R中的回归与组[重复]答案

【问题标题】：Regression in R with Groups [duplicate]R中的回归与组[重复]
【发布时间】：2016-09-14 06:47:46
【问题描述】：

我导入了一个包含 3 列的 CSV，2 列用于 Y 和 X，第三列用于标识 X 的类别（我有 20 个组/类别）。我能够在整体层面运行回归，但我想分别对 20 个类别运行回归并存储 co-ef。

我尝试了以下方法：

list2env(split(sample, sample$CATEGORY_DESC), envir = .GlobalEnv)

现在我有 20 个文件，我如何对这 20 个文件运行回归并将 co-eff 存储在某个地方。

【问题讨论】：

绝对有必要处理20个不同的文件吗？考虑将它们合并到一个数据帧中（每个都有一个唯一的标识符）并使用可用的函数，如lmList（在 nlme 包中）同时运行所有 lm。这样更容易获得系数。

标签： r loops regression linear-regression

【解决方案1】：

由于没有提供数据，我正在生成一些示例数据来展示如何使用 dplyr 和 broom 包运行多个回归和存储输出。

在下面，有 20 个组，每组有不同的 x/y 值。运行 20 个回归，这些回归的输出以数据框的形式提供：

library(dplyr)
library(broom)
df <- data.frame(group = rep(1:20, 10),
                 x = rep(1:20, 10) + rnorm(200),
                 y = rep(1:20, 10) + rnorm(200))
df %>% group_by(group) %>% do(tidy(lm(x ~ y, data = .)))

示例输出：

Source: local data frame [40 x 6]
Groups: group [20]

   group        term    estimate std.error  statistic     p.value
   <int>       <chr>       <dbl>     <dbl>      <dbl>       <dbl>
1      1 (Intercept)  0.42679228 1.0110422  0.4221310 0.684045203
2      1           y  0.45625124 0.7913256  0.5765657 0.580089051
3      2 (Intercept)  1.99367392 0.4731639  4.2134955 0.002941805
4      2           y  0.05101438 0.1909607  0.2671460 0.796114398
5      3 (Intercept)  3.14391308 0.8417638  3.7349114 0.005747126
6      3           y  0.08418715 0.2453441  0.3431391 0.740336702

【讨论】：

我收到以下错误 - 错误：无效的下标类型“整数”
> packageVersion('dplyr') [1] ‘0.4.3.9001’ > packageVersion('broom') [1] ‘0.4.0’
如果您使用的是旧版本的dplyr，您可能需要升级到开发版本，因为其中存在一些错误。

【解决方案2】：

使用 lmList（包 nlme）的快速解决方案：

library(nlme)
lmList(x ~ y | group, data=df)

    Call:
  Model: x ~ y | group 
   Data: df 

Coefficients:
   (Intercept)           y
1    0.4786373  0.04978624
2    3.5125369 -0.94751894
3    2.7429958 -0.01208329
4   -5.2231576  2.24589181
5    5.6370824 -0.24223131
6    7.1785581 -0.08077726
7    8.2060808 -0.18283134
8    8.9072851 -0.13090764
9   10.1974577 -0.18514527
10   6.0687105  0.37396911
11   9.0682622  0.23469187
12  15.1081915 -0.29234452
13  17.3147636 -0.30306692
14  13.1352411  0.05873189
15   6.4006623  0.57619151
16  25.4454182 -0.59535396
17  22.0231916 -0.30073768
18  27.7317267 -0.54651597
19  10.9689733  0.45280604
20  23.3495704 -0.14488522

Degrees of freedom: 200 total; 160 residual
Residual standard error: 0.9536226

从@Gopala 答案中借用数据 df。

【讨论】：

当我深入挖掘与整体结果时，我遇到了相反的效果。这叫什么？我正在空白的效果名称！

【解决方案3】：

还可以考虑使用lapply() 的基本解决方案：

regressionList <- lapply(unique(df$group),
                         function(x) lm(x ~ y, df[df$group==x,]))

只有系数：

coeffList <- lapply(unique(df$group),
                    function(x) lm(x ~ y, df[df$group==x,])$coefficients)

汇总列表：

summaryList <- lapply(unique(df$group),
                      function(x) summary(lm(x ~ y, df[df$group==x,])))

【讨论】：

运行 coeffList<-lapply(regressionList, coef) 和 summaryList <-lapply(regressionList, summary) 会更快。
确实是@AdamQuek。无需重新运行模型。 OP 可用的所有选项！