对 R 中的组进行回归和预测

Question

我有以下来自实验的 data.frame d：

- Variable y (response, continuous)
- Factor f (500 levels)
- Time t (posixct)

在过去 8 年中，对于 f 的每个级别，y 大约每月测量一次（确切日期以 t 为单位）。有时每月有 2 次措施，有时几个月过去了没有任何措施。

很抱歉没有提供示例数据，但编造不规则的时间序列超出了我的 R 知识范围。 ;)

我想对这些数据执行以下操作：

1. 使用loess() 函数(y ~ t) 对f 的每个级别进行回归
2. 预测y每个月的第一天和f的每个级别

我认为我通过使用 Hadleys 回答 this 问题解决了第一点：

models <- dlply(d, "f", function(df) loess(y ~ as.numeric(t), data = df))

所以，现在我有一个models（类list），每个级别都有一个模型f。 我还为f 的每个级别创建了我想预测y 的时间，如下所示：

dates <- seq(min(t),max(t),"months")

但现在我被困在如何对每个模型进行预测。像这样的东西应该可以工作（伪代码）：

for each f in models
    p.f <- predict(models(f),dates)
    p.f.complete <- r.bind(p.f.comlete,p.f)
next f

因此，我想要这个data.frame：

• y.predicted
• f
• t.predicted（= 日期）

任何帮助将不胜感激。

Answer 1

最复杂的事情是把函数设为predict 并使用lapply。这并不难做到。

dates <- data.frame(t = dates)
y.predicted <- lapply(models, function (x) predict(x, newdata = dates))

如果你想 rbind y.predicted 只需使用

y.predicted <- do.call(rbind, y.predicted)

HTH

Answer 2

已编辑

关键是使用 ldply() 和 predict()。以下是使用虚拟数据的示例：

library(plyr)
d <- data.frame(
        f = rep(LETTERS[1:5], each=20),
        t = rep(1:20, 5),
        y = runif(100))

models <- dlply(d, "f", function(df) loess(y ~ as.numeric(t), data = df))
predict(models[[1]])

x <- ldply(models, predict)
colnames(x) <- c("f", 1:20)
x