【发布时间】：2021-04-04 10:50:14
【问题描述】：
基本上我的问题很简单。我想知道在lm 函数内部，数据被子集（NA 被删除），基于公式中使用的所有变量。我想知道这一点的原因是因为我想仅使用子集数据（其中删除了NA）而不是我的完整数据集来对变量求和。
背景：
我尝试将R 中的lm 函数改编为lm 中的account for the correct degrees of freedom when using weights。我认为最简单的解决方案是从函数内部计算子集数据的权重总和，具体取决于所选变量。因此，首先我会根据所选变量查看 lm 对数据集进行子集化的位置，并计算 sum(ind$weight_freq)，我想将其作为函数的输出之一提供，以便我可以参考它。
示例数据：
library(dplyr)
set.seed(1024)
# individual (true) dataset
x <- round(rnorm(1e5))
y <- round(x + x^2 + rnorm(1e5))
ind <- data.frame(x, y)
# Create an NA value
ind[1,1] <- NA
ind <- ind %>%
group_by(x, y) %>%
summarize(weight_freq= n())
我一开始只是将 lm 代码复制到一个新函数中，并将所有 <- 替换为 <<-，以查看数据子集的位置，使用 lm_plus(y ~ x, data = ind, weights = weight_freq)，虽然我得到了错误，@987654334 @，代码足够远，可以进行子集化（因为mf 应该是99999，因为NA，它是）：
lm_plus <- function (formula, data, subset, weights, na.action, method = "qr",
model = TRUE, x = FALSE, y = FALSE, qr = TRUE, singular.ok = TRUE,
contrasts = NULL, offset, ...)
{
ret.x <<- x
ret.y <<- y
cl <<- match.call()
mf <<- match.call(expand.dots = FALSE)
m <<- match(c("formula", "data", "subset",
"weights", "na.action", "offset"),
names(mf), 0L)
mf <<- mf[c(1L, m)]
mf$drop.unused.levels <<- TRUE
mf[[1L]] <<- quote(stats::model.frame)
mf <<- eval(mf, parent.frame())
if (method == "model.frame")
return(mf)
else if (method != "qr")
warning(gettextf("method = '%s' is not supported. Using 'qr'",
method), domain = NA)
mt <<- attr(mf, "terms")
y <<- model.response(mf, "numeric")
w <<- as.vector(model.weights(mf))
if (!is.null(w) && !is.numeric(w))
stop("'weights' must be a numeric vector")
offset <<- model.offset(mf)
mlm <<- is.matrix(y)
ny <<- if (mlm)
nrow(y)
else length(y)
if (!is.null(offset)) {
if (!mlm)
offset <<- as.vector(offset)
if (NROW(offset) != ny)
stop(gettextf("number of offsets is %d, should equal %d (number of observations)",
NROW(offset), ny), domain = NA)
}
if (is.empty.model(mt)) {
x <<- NULL
z <<- list(coefficients = if (mlm) matrix(NA_real_, 0,
ncol(y)) else numeric(), residuals = y, fitted.values = 0 *
y, weights = w, rank = 0L, df.residual = if (!is.null(w)) sum(w !=
0) else ny)
if (!is.null(offset)) {
z$fitted.values <<- offset
z$residuals <<- y - offset
}
}
else {
x <<- model.matrix(mt, mf, contrasts)
z <<- if (is.null(w))
lm.fit(x, y, offset = offset, singular.ok = singular.ok,
...)
else lm.wfit(x, y, w, offset = offset, singular.ok = singular.ok,
...)
}
class(z) <<- c(if (mlm) "mlm", "lm")
z$na.action <<- attr(mf, "na.action")
z$offset <<- offset
z$contrasts <<- attr(x, "contrasts")
z$xlevels <<- .getXlevels(mt, mf)
z$call <<- cl
z$terms <<- mt
if (model)
z$model <<- mf
if (ret.x)
z$x <<- x
if (ret.y)
z$y <<- y
if (!qr)
z$qr <<- NULL
z
}
然后我尝试将每个 mf 实例重命名为 mf1、mf2、mf3，以查看 mf 的实际子集位置，但我卡住了，因为我遇到了错误（即使我以为我确保我在mf 之间有正确的引用。
我也尝试在这里和那里输入test <<- sum(mf$weights, na.rm=TRUE)，但没有成功。
有没有人可以帮助我在正确的地方对权重求和？
【问题讨论】：
-
当您说“数据子集在哪里？”时，您的意思是“
NA值在哪里被删除？” -
@AllanCameron 是的，完全正确。用你的措辞来改进解释。
-
他们不是在
model.frame内部而不是lm内部删除吗？ -
@AllanCameron，这可以解释为什么我无法解决它哈哈。老实说，代码对我来说有点太复杂了。关键是我不明白它发生在哪里。
-
我不确定（目前无法检查），但似乎很有可能。
na.action被传递给model.frame，我相信如果您查看源代码，您会看到NA值被丢弃的位置