ฉันต้องการทำการถดถอยเชิงเส้นใน R โดยใช้lm()ฟังก์ชัน ข้อมูลของฉันเป็นอนุกรมเวลารายปีโดยมีหนึ่งฟิลด์สำหรับปี (22 ปี) และอีกฟิลด์หนึ่งสำหรับรัฐ (50 สถานะ) ฉันต้องการให้พอดีกับการถดถอยสำหรับแต่ละสถานะดังนั้นในตอนท้ายฉันมีเวกเตอร์ของการตอบสนอง lm ฉันนึกภาพออกว่าทำลูปสำหรับแต่ละสถานะจากนั้นทำการถดถอยภายในลูปและเพิ่มผลลัพธ์ของการถดถอยแต่ละครั้งให้กับเวกเตอร์ อย่างไรก็ตามนั่นดูเหมือนจะไม่เหมือน R มากนัก ใน SAS ฉันจะทำคำสั่ง 'โดย' และใน SQL ฉันจะทำ 'จัดกลุ่มตาม' R ทำแบบนี้คืออะไร?
คำตอบ:
นี่เป็นวิธีหนึ่งในการใช้lme4แพ็คเกจ
library(lme4)
d <- data.frame(state=rep(c('NY', 'CA'), c(10, 10)),
year=rep(1:10, 2),
response=c(rnorm(10), rnorm(10)))
xyplot(response ~ year, groups=state, data=d, type='l')
fits <- lmList(response ~ year | state, data=d)
fits
#------------
Call: lmList(formula = response ~ year | state, data = d)
Coefficients:
(Intercept) year
CA -1.34420990 0.17139963
NY 0.00196176 -0.01852429
Degrees of freedom: 20 total; 16 residual
Residual standard error: 0.8201316
นี่คือแนวทางในการใช้แพ็คเกจplyr :
d <- data.frame(
state = rep(c('NY', 'CA'), 10),
year = rep(1:10, 2),
response= rnorm(20)
)
library(plyr)
# Break up d by state, then fit the specified model to each piece and
# return a list
models <- dlply(d, "state", function(df)
lm(response ~ year, data = df))
# Apply coef to each model and return a data frame
ldply(models, coef)
# Print the summary of each model
l_ply(models, summary, .print = TRUE)
layout(matrix(c(1,2,3,4),2,2)) # optional 4 graphs/page แล้วl_ply(models, plot)คุณจะได้รับแต่ละแปลงที่เหลือด้วย เป็นไปได้หรือไม่ที่จะติดป้ายกำกับแต่ละแปลงด้วยกลุ่ม (เช่น "สถานะ" ในกรณีนี้)
ตั้งแต่ปี 2009 dplyrได้รับการเผยแพร่ซึ่งเป็นวิธีที่ดีมากในการจัดกลุ่มประเภทนี้ซึ่งคล้ายคลึงกับสิ่งที่ SAS ทำ
library(dplyr)
d <- data.frame(state=rep(c('NY', 'CA'), c(10, 10)),
year=rep(1:10, 2),
response=c(rnorm(10), rnorm(10)))
fitted_models = d %>% group_by(state) %>% do(model = lm(response ~ year, data = .))
# Source: local data frame [2 x 2]
# Groups: <by row>
#
# state model
# (fctr) (chr)
# 1 CA <S3:lm>
# 2 NY <S3:lm>
fitted_models$model
# [[1]]
#
# Call:
# lm(formula = response ~ year, data = .)
#
# Coefficients:
# (Intercept) year
# -0.06354 0.02677
#
#
# [[2]]
#
# Call:
# lm(formula = response ~ year, data = .)
#
# Coefficients:
# (Intercept) year
# -0.35136 0.09385
ในการดึงค่าสัมประสิทธิ์และ Rsquared / p.value เราสามารถใช้broomแพ็คเกจได้ แพ็คเกจนี้ให้:
ข้อมูลทั่วไปของ S3 สามประการ: เป็นระเบียบเรียบร้อยซึ่งสรุปผลการค้นพบทางสถิติของแบบจำลองเช่นค่าสัมประสิทธิ์ของการถดถอย การเพิ่มซึ่งจะเพิ่มคอลัมน์ให้กับข้อมูลต้นฉบับเช่นการคาดการณ์ส่วนที่เหลือและการกำหนดคลัสเตอร์ และการเหลือบดูซึ่งให้ข้อมูลสรุปแบบแถวเดียวของสถิติระดับโมเดล
library(broom)
fitted_models %>% tidy(model)
# Source: local data frame [4 x 6]
# Groups: state [2]
#
# state term estimate std.error statistic p.value
# (fctr) (chr) (dbl) (dbl) (dbl) (dbl)
# 1 CA (Intercept) -0.06354035 0.83863054 -0.0757668 0.9414651
# 2 CA year 0.02677048 0.13515755 0.1980687 0.8479318
# 3 NY (Intercept) -0.35135766 0.60100314 -0.5846187 0.5749166
# 4 NY year 0.09385309 0.09686043 0.9689519 0.3609470
fitted_models %>% glance(model)
# Source: local data frame [2 x 12]
# Groups: state [2]
#
# state r.squared adj.r.squared sigma statistic p.value df
# (fctr) (dbl) (dbl) (dbl) (dbl) (dbl) (int)
# 1 CA 0.004879969 -0.119510035 1.2276294 0.0392312 0.8479318 2
# 2 NY 0.105032068 -0.006838924 0.8797785 0.9388678 0.3609470 2
# Variables not shown: logLik (dbl), AIC (dbl), BIC (dbl), deviance (dbl),
# df.residual (int)
fitted_models %>% augment(model)
# Source: local data frame [20 x 10]
# Groups: state [2]
#
# state response year .fitted .se.fit .resid .hat
# (fctr) (dbl) (int) (dbl) (dbl) (dbl) (dbl)
# 1 CA 0.4547765 1 -0.036769875 0.7215439 0.4915464 0.3454545
# 2 CA 0.1217003 2 -0.009999399 0.6119518 0.1316997 0.2484848
# 3 CA -0.6153836 3 0.016771076 0.5146646 -0.6321546 0.1757576
# 4 CA -0.9978060 4 0.043541551 0.4379605 -1.0413476 0.1272727
# 5 CA 2.1385614 5 0.070312027 0.3940486 2.0682494 0.1030303
# 6 CA -0.3924598 6 0.097082502 0.3940486 -0.4895423 0.1030303
# 7 CA -0.5918738 7 0.123852977 0.4379605 -0.7157268 0.1272727
# 8 CA 0.4671346 8 0.150623453 0.5146646 0.3165112 0.1757576
# 9 CA -1.4958726 9 0.177393928 0.6119518 -1.6732666 0.2484848
# 10 CA 1.7481956 10 0.204164404 0.7215439 1.5440312 0.3454545
# 11 NY -0.6285230 1 -0.257504572 0.5170932 -0.3710185 0.3454545
# 12 NY 1.0566099 2 -0.163651479 0.4385542 1.2202614 0.2484848
# 13 NY -0.5274693 3 -0.069798386 0.3688335 -0.4576709 0.1757576
# 14 NY 0.6097983 4 0.024054706 0.3138637 0.5857436 0.1272727
# 15 NY -1.5511940 5 0.117907799 0.2823942 -1.6691018 0.1030303
# 16 NY 0.7440243 6 0.211760892 0.2823942 0.5322634 0.1030303
# 17 NY 0.1054719 7 0.305613984 0.3138637 -0.2001421 0.1272727
# 18 NY 0.7513057 8 0.399467077 0.3688335 0.3518387 0.1757576
# 19 NY -0.1271655 9 0.493320170 0.4385542 -0.6204857 0.2484848
# 20 NY 1.2154852 10 0.587173262 0.5170932 0.6283119 0.3454545
# Variables not shown: .sigma (dbl), .cooksd (dbl), .std.resid (dbl)
rowwise(fitted_models) %>% tidy(model)เพื่อให้แพคเกจไม้กวาดใช้งานได้ แต่อย่างอื่นคำตอบที่ดี
d %>% group_by(state) %>% do(model = lm(response ~ year, data = .)) %>% rowwise() %>% tidy(model)
d %>% group_by(state) %>% do(model=lm(response ~year, data = .)) %>% rowwise() %>% tidy(model) Error in var(if (is.vector(x) || is.factor(x)) x else as.double(x), na.rm = na.rm) : Calling var(x) on a factor x is defunct. Use something like 'all(duplicated(x)[-1L])' to test for a constant vector. In addition: Warning messages: 1: Data frame tidiers are deprecated and will be removed in an upcoming release of broom. ...
ในความคิดของฉันคือแบบจำลองเชิงเส้นแบบผสมเป็นแนวทางที่ดีกว่าสำหรับข้อมูลประเภทนี้ รหัสด้านล่างที่ระบุในผลคงที่แนวโน้มโดยรวม ผลกระทบแบบสุ่มบ่งชี้ว่าแนวโน้มของแต่ละรัฐแตกต่างจากแนวโน้มของโลกอย่างไร โครงสร้างสหสัมพันธ์จะคำนึงถึงความสัมพันธ์ทางโลกโดยอัตโนมัติ ดู Pinheiro & Bates (รุ่นเอฟเฟกต์ผสมใน S และ S-Plus)
library(nlme)
lme(response ~ year, random = ~year|state, correlation = corAR1(~year))
วิธีการแก้ปัญหาที่ดีใช้data.tableถูกโพสต์ที่นี่ใน CrossValidated โดย @Zach ฉันแค่เพิ่มว่ามันเป็นไปได้ที่จะได้รับสัมประสิทธิ์การถดถอยซ้ำ ๆ r ^ 2:
## make fake data
library(data.table)
set.seed(1)
dat <- data.table(x=runif(100), y=runif(100), grp=rep(1:2,50))
##calculate the regression coefficient r^2
dat[,summary(lm(y~x))$r.squared,by=grp]
grp V1
1: 1 0.01465726
2: 2 0.02256595
เช่นเดียวกับผลลัพธ์อื่น ๆ ทั้งหมดจากsummary(lm):
dat[,list(r2=summary(lm(y~x))$r.squared , f=summary(lm(y~x))$fstatistic[1] ),by=grp]
grp r2 f
1: 1 0.01465726 0.714014
2: 2 0.02256595 1.108173
ฉันคิดว่ามันคุ้มค่าที่จะเพิ่มpurrr::mapแนวทางในการแก้ปัญหานี้
library(tidyverse)
d <- data.frame(state=rep(c('NY', 'CA'), c(10, 10)),
year=rep(1:10, 2),
response=c(rnorm(10), rnorm(10)))
d %>%
group_by(state) %>%
nest() %>%
mutate(model = map(data, ~lm(response ~ year, data = .)))
ดูคำตอบของ @Paul Hiemstra สำหรับแนวคิดเพิ่มเติมเกี่ยวกับการใช้broomแพ็คเกจพร้อมผลลัพธ์เหล่านี้
## make fake data
ngroups <- 2
group <- 1:ngroups
nobs <- 100
dta <- data.frame(group=rep(group,each=nobs),y=rnorm(nobs*ngroups),x=runif(nobs*ngroups))
head(dta)
#--------------------
group y x
1 1 0.6482007 0.5429575
2 1 -0.4637118 0.7052843
3 1 -0.5129840 0.7312955
4 1 -0.6612649 0.9028034
5 1 -0.5197448 0.1661308
6 1 0.4240346 0.8944253
#------------
## function to extract the results of one model
foo <- function(z) {
## coef and se in a data frame
mr <- data.frame(coef(summary(lm(y~x,data=z))))
## put row names (predictors/indep variables)
mr$predictor <- rownames(mr)
mr
}
## see that it works
foo(subset(dta,group==1))
#=========
Estimate Std..Error t.value Pr...t.. predictor
(Intercept) 0.2176477 0.1919140 1.134090 0.2595235 (Intercept)
x -0.3669890 0.3321875 -1.104765 0.2719666 x
#----------
## one option: use command by
res <- by(dta,dta$group,foo)
res
#=========
dta$group: 1
Estimate Std..Error t.value Pr...t.. predictor
(Intercept) 0.2176477 0.1919140 1.134090 0.2595235 (Intercept)
x -0.3669890 0.3321875 -1.104765 0.2719666 x
------------------------------------------------------------
dta$group: 2
Estimate Std..Error t.value Pr...t.. predictor
(Intercept) -0.04039422 0.1682335 -0.2401081 0.8107480 (Intercept)
x 0.06286456 0.3020321 0.2081387 0.8355526 x
## using package plyr is better
library(plyr)
res <- ddply(dta,"group",foo)
res
#----------
group Estimate Std..Error t.value Pr...t.. predictor
1 1 0.21764767 0.1919140 1.1340897 0.2595235 (Intercept)
2 1 -0.36698898 0.3321875 -1.1047647 0.2719666 x
3 2 -0.04039422 0.1682335 -0.2401081 0.8107480 (Intercept)
4 2 0.06286456 0.3020321 0.2081387 0.8355526 x
ตอนนี้ฉันได้รับคำตอบช้าไปหน่อย แต่ฉันกำลังมองหาฟังก์ชันที่คล้ายกัน ดูเหมือนว่าฟังก์ชันในตัว 'by' ใน R สามารถทำการจัดกลุ่มได้อย่างง่ายดาย:
โดยมีตัวอย่างต่อไปนี้ซึ่งเหมาะกับแต่ละกลุ่มและแยกค่าสัมประสิทธิ์ด้วย sapply:
require(stats)
## now suppose we want to extract the coefficients by group
tmp <- with(warpbreaks,
by(warpbreaks, tension,
function(x) lm(breaks ~ wool, data = x)))
sapply(tmp, coef)
lm()ฟังก์ชั่นดังกล่าวข้างต้นเป็นตัวอย่างง่ายๆ อย่างไรก็ตามฉันคิดว่าฐานข้อมูลของคุณมีคอลัมน์ในรูปแบบต่อไปนี้:
ปีรัฐ var1 var2 y ...
ในมุมมองของฉันคุณสามารถใช้รหัสต่อไปนี้:
require(base)
library(base)
attach(data) # data = your data base
#state is your label for the states column
modell<-by(data, data$state, function(data) lm(y~I(1/var1)+I(1/var2)))
summary(modell)
คำถามน่าจะเกี่ยวกับวิธีเรียกฟังก์ชันการถดถอยด้วยสูตรที่แก้ไขภายในลูป
นี่คือวิธีที่คุณสามารถทำได้ใน (โดยใช้ชุดข้อมูลเพชร):
attach(ggplot2::diamonds)
strCols = names(ggplot2::diamonds)
formula <- list(); model <- list()
for (i in 1:1) {
formula[[i]] = paste0(strCols[7], " ~ ", strCols[7+i])
model[[i]] = glm(formula[[i]])
#then you can plot the results or anything else ...
png(filename = sprintf("diamonds_price=glm(%s).png", strCols[7+i]))
par(mfrow = c(2, 2))
plot(model[[i]])
dev.off()
}
aggregateไม่ได้เป็นหนึ่งที่เหมาะสม ; ไม่เป็นtapply