使用函数在 R 中回归

Question

我正在尝试平滑数据框中每个变量的数据。假设它看起来像这样：

data <- data.frame(v1 = c(0.5,1.1,2.9,3.4,4.1,5.7,6.3,7.4,6.9,8.5,9.1),
                   v2 = c(0.1,0.8,0.5,1.1,1.9,2.4,0.8,3.4,2.9,3.1,4.2),
                   v3 = c(1.3,2.1,0.8,4.1,5.9,8.1,4.3,9.1,9.2,8.4,7.4))

data$x <- 1:nrow(data)

然后我将我的 x 和 y 变量指定为：

x <- data$x
y <- data$v1

我可以拟合我想要的预测线（我对这个过程很满意）：

f <- function (x,a,b,d) {(a*x^2) + (b*x) + d}
order_two <- nls(y ~ f(x,a,b,d), start = c(a=1, b=1, d=1)) 
co2 <- coef(order_two)
data$order_two_predicted_v1 <- (co2[1] * (data$x)^2) + (co2[2] * data$x) + co2[3] 

因此，我最终得到了一个适当命名的新变量（v1 的预测值）。我现在想对我的数据框中的其他 100 个变量（本例中为 v2 和 v3）中的每一个执行此操作。

我尝试使用函数来执行此操作，但无法使其按预期工作。这是我的尝试：

myfunction <- function(xaxis,yaxis){
  # Specfiy my "y" and "x"
  x <- data$xaxis
  y <- data$yaxis

  f <- function (x,a,b,d) {(a*x^2) + (b*x) + d}
  order_two <- nls(y ~ f(x,a,b,d), start = c(a=1, b=1, d=1)) 
  co2 <- coef(order_two)
  data$order_two_predicted_yaxis <- (co2[1] * (data$x)^2) + (co2[2] * data$x) + co2[3]
}

myfunction(x,v1)
myfunction(x,v2)
myfunction(x,v3)

不仅函数不能按预期工作，我还想避免为每个变量调用函数 100 次，而是以某种方式循环遍历它。

这在 SAS 中使用宏非常简单，但我很难让它在 R 中工作。

Answer 1

您可以直接使用lm() 函数对数据进行建模：

data <- data.frame(v1 = c(0.5,1.1,2.9,3.4,4.1,5.7,6.3,7.4,6.9,8.5,9.1),
                   v2 = c(0.1,0.8,0.5,1.1,1.9,2.4,0.8,3.4,2.9,3.1,4.2),
                   v3 = c(1.3,2.1,0.8,4.1,5.9,8.1,4.3,9.1,9.2,8.4,7.4))

x  <- 1:nrow(data)

# initialize a list to store the models 

models = vector("list", length = (ncol(data)))

# create a loop running over the columns of data

for (i in 1:(ncol(data))){
models[[i]] =  lm(data[,i] ~ poly(x,2, raw = TRUE))}

您也可以使用 lapply 代替 for 循环，如 cmets 中所述。

使用predict()获取模型的值：

smoothed_v1 = predict(model[[1]], newdata=data.frame(x = x))

编辑： 关于您的评论 - 您可以将新值存储在 data 中：

 for (i in (length(models):1)){
     data <- cbind(predict(models[[i]], newdata=data.frame(x = x)), data)

     # set the name for the new column

     names(data)[1]  = paste("pred_v",i, sep ="")}