如何使用 dplyr 管道执行逐步回归分析？答案

【问题标题】：How do I perform stepwise regression analyses with dplyr pipes?如何使用 dplyr 管道执行逐步回归分析？
【发布时间】：2020-07-04 00:29:20
【问题描述】：

为了提高可读性，我想在将数据框导入回归模型之前对其进行过滤。出于某种原因 - 然而 - 这似乎是不可能的。

我可以这样写：

model<-lm(mpg~.,data=mtcars)%>%¨
stepAIC(trace = FALSE)

....而且效果很好，即使在末端有管道。但后来我尝试用占位符替换 data 参数：

model<-df%>%lm(mpg~.,data=.)%>%
stepAIC(trace = FALSE)

....我收到一个错误声明：

Error in as.data.frame.default(data) : 
cannot coerce class ‘"lm"’ to a data.frame

这个问题似乎只在我使用 stepAIC 功能时出现。不幸的是，这是我当前项目的要求。

我可以做这个工作吗？在这种情况下如何做？

【问题讨论】：

标签： r dplyr regression

【解决方案1】：

stepAIC 部分需要从环境中查看数据帧，我尝试通过多种方式传递它，但存在问题。一种选择是您可以尝试并仍然得到结果：

library(purrr)
library(dplyr)
library(MASS)

list(mtcars) %>% map(~stepAIC(lm(mpg~.,data=.),trace=FALSE))
[[1]]

Call:
lm(formula = mpg ~ wt + qsec + am, data = .)

Coefficients:
(Intercept)           wt         qsec           am  
      9.618       -3.917        1.226        2.936

另一种方法是，如果您想在多个数据集上运行相同的拟合，请执行以下操作：

# example dataset with bootstraps
sampledata = lapply(1:3,function(i){
mtcars[sample(nrow(mtcars),replace=TRUE),]
})

# nest it in a tibble
tibble(names=paste0("data",1:3),data=sampledata)
# A tibble: 3 x 2
  names data               
  <chr> <list>             
1 data1 <df[,11] [32 × 11]>
2 data2 <df[,11] [32 × 11]>
3 data3 <df[,11] [32 × 11]>

res = tibble(names=paste0("data",1:3),data=sampledata) %>% 
mutate(mdl=map(data,~stepAIC(lm(mpg~.,data=.x),trace=FALSE)))

res$mdl
[[1]]

Call:
lm(formula = mpg ~ disp + hp + drat + wt + qsec + am + gear, 
    data = .x)

Coefficients:
(Intercept)         disp           hp         drat           wt         qsec  
  -73.20988     -0.01714      0.03991      3.12230     -3.80928      4.08125  
         am         gear  
  -11.24742      7.17872  


[[2]]

Call:
lm(formula = mpg ~ disp + vs + am + carb, data = .x)

Coefficients:
(Intercept)         disp           vs           am         carb  
   26.14918     -0.02344      2.11914      5.17128     -1.25915  


[[3]]

Call:
lm(formula = mpg ~ wt + qsec + am + gear + carb, data = .x)

Coefficients:
(Intercept)           wt         qsec           am         gear         carb  
    -2.7017      -2.5837       1.4633       2.8117       1.8643      -0.8727

【讨论】：

好的，但是我们可以更深入地研究一下基本原理吗？出于某种原因，我们将数据框转换为只有一个元素的列表。由于其他未知原因，我们使用 map 函数（相对于 lapply？）到列表，它将我们的函数应用于我们列表的唯一成员。最后，我们将回归模型作为 stepAIC 函数的参数，而不是仅仅通过 dplyr 传递它。
我并不是要刻薄之类的，我只是根据我目前的理解来描述代码:)
没问题，因为您可以看到有问题的部分来自将结果从 lm(mpg~.,data=.) 传递到 stepAIC。您对 stepAIC 所做的是尝试查找删除或添加术语并评估拟合度。
你提供了一个公式，所以stepAIC会改变公式，重新评估lm的调用，并且由于lm不存储实际的data.frame，而只是一个模型矩阵，stepAIC不得不尝试找到所有这些开始的data.frame。这就是为什么当你把它们串在一起时它会起作用的原因
好的，我认为您的问题还有最后一部分，如果您尝试 df%>%lm(mpg~.,data=.) ，这将失败。因为 dplyr %>% 期望每个管道都有一个数据框，而您的 lm 的结果不允许这样做，所以我们使用 purrr 中的 map 来允许灵活地保存列表等作为结果