按类别运行回归，以类别平均值的 +/- 10% 为界

Question

我有一个包含多个类别的数据集。我想对每个类别进行线性回归，而不必将数据子集到每个类别的新 dfs 中。我是这样做的：

category = c(rep(c("a","b","c"),100))
x = (rep(1:5,60))
y = rnorm(300)*5
df = data.frame(category,x,y)

models = dlply(df, "category", function(dflm) 
lm(y ~ x, data = dflm))

lmcoefs = ldply(models, coef)

在 lmcoefs 中，我现在存储了每个类别的系数。

但是，我希望仅在每个类别平均值的 +/- 50% 范围内运行这些回归。因此，如果类别 A 的平均 y 值为 10，我只想在类别 A 的 y 值 5 和 15 之间进行回归。与类别 B 和 C 相同。

有没有办法在不拆分数据集和运行单个回归的情况下做到这一点？

谢谢， 唐

Answer 1

我会这样做，但也许有更短的方法。

数据

category = c(rep(c("a","b","c"),100))
x = (rep(1:5,60))
y = rnorm(300,10,3)  # I made these positive values 
df = data.frame(category,x,y)

基于你已有的脚本

ddply(df, "category", function(d,perc=0.5){
  m=mean(d$y)
  range.min=m*(1-perc)
  range.max=m*(1+perc)
  d=d[d$y< range.max & d$y> range.min ,]
  coef(lm(y ~ x, data = d))
})

#result
category (Intercept)            x
1        a    10.04912 -0.042292670
2        b    10.37061 -0.001489721
3        c    10.04206  0.012238932

与使用 dlply 然后使用 ldply 不同，使用 ddply 直接完成所有事情会更容易。