如何在融化的数据框中单独计算线性模型[重复]答案

【问题标题】：How to calculate linear models individually in melted Dataframe [duplicate]如何在融化的数据框中单独计算线性模型[重复]
【发布时间】：2021-01-17 15:18:27
【问题描述】：

我目前有一个问题，我有一个类似于下面我称之为“测试”的数据框。我想做的是针对时间和组为每个站点拟合一个线性模型，因此一个模型用于 A，一个用于 B，一个用于 C。
例如：站点 A 存在于 2 个组中：G1 和 G2。在 5 个时间点测量。所以我确实有 5 个值应该建模为依赖于时间（值 ~ 时间），并且因为它是在 2 个条件（组）中完成的，所以应该整合：（值 ~ 时间 * 组）。

我怎样才能最有效地实现这一点，然后从摘要中提取信息以将它们存储在向量或列表中？

感谢您的宝贵时间，我真的很感激。

test <- data.frame(Site= rep(c( rep("A", 5),
                                rep("B", 5),
                                rep("C", 5)),2),
                   
                    value= c(rnorm(1, n=15), rnorm(1, n=15)),
                    Time= rep(rep((1:5), 3), 2),
                    Group= c(rep("G1", 15), rep("G2", 15))
                    )

# Loop ?
linReg <- lm(value ~ Time * Group, data= test)

【问题讨论】：

这 got 是重复的...lme4::lmList(value~Time*Group|Site, data=test)
感谢您为我提供我可能错过的原始解决方案

标签： r linear-regression

【解决方案1】：

将group_split 与Site 一起使用，然后将map 与lm() 一起使用：

library(tidyverse)

test %>%
  group_split(Site) %>%
  map(~lm(value ~ Time * Group, data = .))

输出：

[[1]]

Call:
lm(formula = value ~ Time * Group, data = .)

Coefficients:
 (Intercept)          Time       GroupG2  Time:GroupG2  
     -0.6393        0.5201        3.6533       -1.2188  


[[2]]

Call:
lm(formula = value ~ Time * Group, data = .)

Coefficients:
 (Intercept)          Time       GroupG2  Time:GroupG2  
    -0.38982       0.24745       0.58777      -0.08554  


[[3]]

Call:
lm(formula = value ~ Time * Group, data = .)

Coefficients:
 (Intercept)          Time       GroupG2  Time:GroupG2  
     0.17921       0.02528       2.13208      -0.34299

在对map() 的调用中添加%>% summary() 或您想要的任何其他后拟合过程：

map(~lm(value ~ Time * Group, data = .) %>% summary())

【讨论】：

【解决方案2】：

可以使用split() 和lapply() 实现基本 R 解决方案，如下所示：

test <- data.frame(Site= rep(c( rep("A", 5),
                                rep("B", 5),
                                rep("C", 5)),2),
                   
                   value= c(rnorm(1, n=15), rnorm(1, n=15)),
                   Time= rep(rep((1:5), 3), 2),
                   Group= c(rep("G1", 15), rep("G2", 15))
)

models <- lapply(split(test,test$Site),function(x){
     lm(value ~ Time * Group, data = x)
})

models

...和输出：

$A

Call:
lm(formula = value ~ Time * Group, data = x)

Coefficients:
 (Intercept)          Time       GroupG2  Time:GroupG2  
      2.6466       -0.2999       -3.0912        0.7022  


$B

Call:
lm(formula = value ~ Time * Group, data = x)

Coefficients:
 (Intercept)          Time       GroupG2  Time:GroupG2  
      1.4547       -0.2859       -0.8216        0.5031  


$C

Call:
lm(formula = value ~ Time * Group, data = x)

Coefficients:
 (Intercept)          Time       GroupG2  Time:GroupG2  
     1.50226      -0.12825      -0.91705      -0.01143

【讨论】：