R中带有条件语句的线性回归答案

【问题标题】：Linear regression with conditional statement in RR中带有条件语句的线性回归
【发布时间】：2018-10-17 13:30:44
【问题描述】：

我有一个庞大的数据库，我需要使用条件语句运行不同的回归。所以我看到了这样做的选项：1）在回归中包括命令数据子集（industrycodes==12）和2）我没有获得相同的结果，就像将数据切割成家具==12时的值一样。他们应该是一样的。有人可以帮我写代码吗，我想我有这个问题。我举了一个非常基本的例子来解释它。

ID  roa   employees    industrycodes
1   0,5      10              12
2   0,3      20              11
3   0,8      15              12
4   0,2      12              12
5   0,7      13              11
6   0,4       8              12

所以我首先创建子数据库进行比较（当行业代码为 12 时）

data2<-data1[data1$industrycodes==12,]

我在这里运行回归：

1) 对于整个数据仅采用行业代码==12 --> 这里我有 6 个观察结果

summary(lm(data1$roa~data1$employees, data=subset(data1,industrycodes==12)))

2) 在行业代码==12 时切割样本 --> 这里当然我有 4 个观察结果

summary(lm(data2$roa~data2$employees),data=data2)

有什么想法可能是错的吗？谢谢！

【问题讨论】：

标签： r conditional regression subset

【解决方案1】：

欢迎来到 StackOverflow，我在两种情况下的结果完全相同，我唯一更改的是用点“.”替换逗号“,”以正确指示roa 中的小数位

data1

  ID roa employees industrycodes
1  1 0.5        10            12
2  2 0.3        20            11
3  3 0.8        15            12
4  4 0.2        12            12
5  5 0.7        13            11
6  6 0.4         8            12

summary(lm(data1$roa~data1$employees, data=subset(data1,industrycodes==12)))
summary(lm(data1$roa~data1$employees, data=data2))

第一个案例结果：

    Call:
lm(formula = data1$roa ~ data1$employees, data = subset(data1, 
    industrycodes == 12))

Residuals:
       1        2        3        4        5        6 
 0.01667 -0.18333  0.31667 -0.28333  0.21667 -0.08333 

Coefficients:
                  Estimate Std. Error t value Pr(>|t|)
(Intercept)      4.833e-01  3.742e-01   1.292    0.266
data1$employees -5.918e-18  2.761e-02   0.000    1.000

Residual standard error: 0.259 on 4 degrees of freedom
Multiple R-squared:  8.039e-32, Adjusted R-squared:  -0.25 
F-statistic: 3.215e-31 on 1 and 4 DF,  p-value: 1
data2 <- data1[data1$industrycodes==12,]

第二种情况结果：

summary(lm(data1$roa~data1$employees, data=data2))
Call:
lm(formula = data1$roa ~ data1$employees, data = data2)

Residuals:
       1        2        3        4        5        6 
 0.01667 -0.18333  0.31667 -0.28333  0.21667 -0.08333 

Coefficients:
                  Estimate Std. Error t value Pr(>|t|)
(Intercept)      4.833e-01  3.742e-01   1.292    0.266
data1$employees -5.918e-18  2.761e-02   0.000    1.000

Residual standard error: 0.259 on 4 degrees of freedom
Multiple R-squared:  8.039e-32, Adjusted R-squared:  -0.25 
F-statistic: 3.215e-31 on 1 and 4 DF,  p-value: 1

如果您想遍历所有条件，您可以添加新列。例如，如果您有两个条件：

data1$cond1 <- data1$industrycodes==12
data1$cond2 <- data1$industrycodes<=12

然后您可以使用循环：

for( i in 5:6) {
  print(summary(lm(data1$roa~data1$employees, data=subset(data1,data1[,i]))))
}

【讨论】：

【解决方案2】：

问题在于，您首先指定了一个数据集（称为子集（data1，industrycodes==12）的数据集），然后在另一个数据集（data1 - 原始数据集）中运行 lm。

额外的注释是，由于您在 lm 中使用命令 data=... ，因此您不必使用 $ 指定变量，它在函数 lm attach 命令中起作用。

试试这个：

data3 <- subset(data1,industrycodes==12)


summary(lm(roa~employees, data=data3))

希望有效果

【讨论】：