Question

我想为由分组变量的唯一组合定义的子集自动进行简单的多元回归。我有一个数据框，其中包含几个分组变量df1 [，1：6]和一些独立变量df1 [，8：10]和响应df1 [，7]。

这是数据的摘录。

structure(list(Surface = structure(c(1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L), .Label = c("NiAu", "Sn"), class = "factor"), Supplier = structure(c(1L, 1L, 1L, 2L, 2L, 1L, 1L, 2L, 2L, 2L, 2L), .Label = c("A", "B"), class = "factor"), ParticleSize = structure(c(1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L), .Label = c("3", "5"), class = "factor"), T1 = structure(c(2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L), .Label = c("130", "144"), class = "factor"), T2 = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), .Label = "200", class = "factor"), O2 = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), .Label = "1300", class = "factor"), Shear = c(56.83, 67.73, 78.51, 62.61, 66.78, 60.89, 62.94, 76.34, 70.56, 70.4, 54.15), Gap = c(373, 450, 417, 450, 406, 439, 439, 417, 439, 441, 417), Clearance = c(500.13, 509.85, 495.97, 499.55, 502.66, 505.33, 500.32, 503.28, 507.44, 500.5, 498.39), Void = c(316, 343, 89, 247, 271, 326, 304, 282, 437, 243, 116)), .Names = c("Surface", "Supplier", "ParticleSize","T1", "T2", "O2", "Shear", "Gap", "Clearance", "Void"), class = "data.frame", row.names = c(NA, -11L))

使用unique（df1 [，1：6]）返回分组变量的5个因子组合。所以应该有5个子集，我将lm（）函数应用于。我的电话看起来像那样

df1.fit.by<-with(df1,by(df1,df1[,1:6], function(x) lm(Shear~Gap+Clearance+Void,data=x)))
sapply(df1.fit.by,coef)

问题1：它返回一个包含16个列表条目的列表。显然，它计算前六个分组变量的所有可能因子组合。（V5 + V6仅在级别上，但V1：4在摘录中有两个级别。导致2 ^ 4 = 16）但它应该只使用数据中真实的现有因子组合。所以我认为by（）不是实现它的正确功能。有什么建议吗？问题2：我发现引用列索引而不是变量名更容易。所以我最初试图以lm（df1 [，7] ~df1 [，8] + df1 [，9]）的方式使用我的lm（）函数。这没有成功。因为我总是访问整个df1数据帧而不是子集。所以我可能应该将因子组合的行indes传递给lm（）函数而不是完整的数据帧。

我认为问题1和2的解决方案在某种程度上是相关的，并使用另一个子集函数来解决。如果有人可以试着解释我的错误在哪里会很好。如果可能的话，我会坚持使用标准软件包，因为我想提高对R的理解。谢谢

编辑：变量赋值中的一个小错误

Answer 1

您可以使用plyr包：

require(plyr)
list_reg <- dlply(df1, .(Surface, Supplier, ParticleSize, T1, T2), function(df) 
  {lm(Shear~Gap+Clearance+Void,data=df)})
#We have indeed five different results
length(list_reg)
#That's how you check out one particular regression, in this case the first
summary(list_reg[[1]])

函数dlply采用data.frame（这就是d ...代表的），在你的情况df1中，并返回一个列表（这就是.l .. 。代表），在你的情况下由五个元素组成，每个元素包含一个回归的结果。

在内部，您的df1根据.(Surface, Supplier, ParticleSize, T1, T2)指定的列分为五个子数据框，并且函数lm(Shear~Gap+Clearance+Void,data=df)将应用于每个子数据。帧。

为了更好地了解dlply的真实情况，请致电

list_sub_df <- dlply(df1, .(Surface, Supplier, ParticleSize, T1, T2))

您可以查看将应用lm的每个子数据框架。

最后只是一般性的说明：包裹作者Hadley Wickham的paper真的很棒：即使你不会最终使用他的包装，感觉真的很好分裂 - 应用 - 组合方法。

编辑：

我刚刚进行了一次快速搜索，正如预期的那样，之前已经对此进行了更好的解释，因此请务必阅读此SO帖子。

EDIT2：

如果您想直接使用列号，请尝试此操作（取自此SO帖子）：

 list_reg <- dlply(df1, names(df1[, 1:5]), function(df) 
      {lm(Shear~Gap+Clearance+Void,data=df)})

使用lm对唯一因子组合的子集进行回归

1 个答案: