对新数据应用模型系数答案

【问题标题】：apply model coefficients on new data对新数据应用模型系数
【发布时间】：2017-07-19 02:09:57
【问题描述】：

我有两个矩阵sub 和macro_data。它们分别包括模型的估计系数和宏观数据

> sub
        coeff      varname
1   -1.50          gdp      
2    0.005         inflation     
3   -2.4           constant  

> macro_data
    gdp        inflation 
1   18.0      -0.17  
2   15.8      -0.14 
3   17.7      -0.15

我想应用以下公式：-1.5*gdp+0.005*inflation-2.4 以获得分数。

我试过了

for (i in 1:1){
  sub$coeff[i]*macro_data[,1]+sub$coeff[i+1]*macro_data[,sub$coeff[i+1]]+sub$coeff[i+2]
}

实际上它有效，但这不是最好的解决方案，因为我想要一些通用的东西。有什么想法吗？

【问题讨论】：

为什么要循环单个数量的i？还有i+3 会越界吗？您可能想要：sub$coef[1] * macro_data$gdp + sub$coef[2] * macro_data$inflation + sub$coef[3].
正确，它是 i+2，但我迷失在自己的循环中，我不知道如何应用上面的公式
cbind(macro_data, 1) %*% sub[, "coeff", drop=FALSE] 通常函数predict.~()可以带参数newdata=
@jogo 非常感谢，它是否确保 colnames 匹配？
@branchwarren mathinsight.org/matrix_vector_multiplication

标签： r

【解决方案1】：

你可以做矩阵乘法：

cbind(macro_data, 1) %*% sub[, "coeff", drop=FALSE]

如果您的系数来自估计模型，那么函数predict.~() 通常可以采用参数newdata= 来计算新数据的估计值。

对于您的示例数据，这将不起作用，因为您有数据框。这样就可以了：

sub <- read.table(header=TRUE, text=
"coeff      varname
 -1.50          gdp      
  0.005         inflation     
 -2.4           constant ")

macro_data <- read.table(header=TRUE, text=
"gdp        inflation 
1   18.0      -0.17  
2   15.8      -0.14 
3   17.7      -0.15")

m <- cbind(macro_data, constant=1)
C <- sub$coeff
names(C) <- sub$varname
m$gdp*C["gdp"] + m$inflation*C["inflation"] + m$constant*C["constant"]

最后一行可以缩短为：

as.matrix(m) %*% C[names(m)]

【讨论】：