R中数据框中的回归答案

【问题标题】：Regression in data frame in RR中数据框中的回归
【发布时间】：2021-07-28 04:05:06
【问题描述】：

嘿，我有以下测试数据：

test = data.frame(Date = c(as.Date("2010-10-10"), as.Date("2010-10-10"), as.Date("2010-12-10"), as.Date("2010-12-10")), Rate = c(0.1, 0.15, 0.16, 0.2), FCF = c(100,200,150,250))

现在我想按日期对数据进行分组，在每组中进行线性回归FCF~Rate，然后在每组中执行这些回归以获得每个日期和速率的回归值。我有以下代码：

output = test %>% group_by(Date) %>% do(mod = lm(FCF ~ Rate, data = .))
output = test %>% left_join(output, by = "Date")
output = output %>% ungroup() %>% mutate(Value = predict(mod, newdata = Rate))

没有最后一行，一切正常，因为mod 不是模型而是列表，我无法进行预测。我应该改变什么？

编辑：当我评估这段代码时：

  output = test %>% group_by(Date) %>%
  do(mod = lm(FCF ~ Rate, data = .))
  output = test %>% left_join(output, by = "Date")
  output = output %>% ungroup()

我明白了：

问题是我如何使用来自mod 列的模型来计算来自Rate 列的费率的预测值。

【问题讨论】：

快速澄清问题：为什么要对数据子集执行线性模型？这是一项重复测量研究吗？如果是这种情况，那么您真正追求的可能是 Rate 嵌套在日期内的线性模型，在这种情况下，您可能需要考虑使用 lmer 或 lme4 包从非聚合数据中开发模型。

标签： r dplyr regression

【解决方案1】：

这是一种方法

library(dplyr)
library(purrr)
test %>%
   nest_by(Date) %>% 
   mutate(mod = list(lm(FCF ~ Rate, data = data))) %>%
   ungroup %>%
   mutate(out = map2(data, mod, 
       ~ predict(.y, newdata = data.frame(Rate = .x$Rate))))

-输出

# A tibble: 2 x 4
#  Date                 data mod    out      
#  <date>     <list<tibble>> <list> <list>   
#1 2010-10-10        [2 × 2] <lm>   <dbl [2]>
#2 2010-12-10        [2 × 2] <lm>   <dbl [2]>

如果我们还需要“Pred”列

library(tidyr)
out <- test %>%
       nest_by(Date) %>% 
       mutate(mod = list(lm(FCF ~ Rate, data = data))) %>%
       ungroup %>% 
       mutate(data =  map2(data, mod, ~ .x %>%
                  mutate(Pred = predict(.y, newdata =  cur_data())))) %>%
       unnest(data)

【讨论】：

这不是我想要的。我想按Date 对数据进行分组，然后为每个Date 创建一个线性模型FCF~Rate（所以2 个模型：mod_d1、mod_d2）然后对于我想使用此模型的每个日期的费率给定的一天，最后我想获得与我开始时相同的 data.frame，但又多了一列，其中包含来自模型的值。
@JohhnWhite 它正在按日期进行分组。 nest_by
@JohnWhite 关于不同之处，您可以提取“mod”列。不同的日期会有所不同