Question

我正在制作一个回归脚本。我有一个大约有130列的data.frame，其中我需要针对所有其他~100个数字列对一列进行回归（让我们称之为X列）。

在计算回归之前，我需要按4个因素对数据进行分组：myDat$Recipe，myDat$Step，myDat$Stage和myDat$Prod，同时保持另一个~100为回归附加的列和行数据。然后我需要对每列~X列进行回归，并用列名打印出R ^ 2值。这是我迄今为止所尝试过的，但它变得过于复杂，我知道必须有更好的方法。

 rm(list=ls())
 myDat <- read.csv(file="C:/Users/Documents/myDat.csv",              header=TRUE, sep=",")

for(j in myDat$Recipe)
{
  myDatj <- subset(myDat, myDat$Recipe == j) 
  for(k in myDatj$Step)
  {
    myDatk <- subset(myDatj, myDatj$Step == k) 
    for(i in myDatk$Stage)
    {
      myDati <- subset(myDatk, myDatk$Stage == i)
      for(m in myDati$Prod)
      {
        myDatm <- subset(myDati, myDati$Prod == m)
          if(is.numeric(myDatm[3,i]))  
          {     
          fit <- lm(myDatk[,i] ~ X, data=myDatm) 
          rsq <- summary(fit)$r.squared
            {
              writeLines(paste(rsq,i,"\n"))
           }  
         }
      }
    }
  }  
}

Answer 1

您可以通过合并dplyr，tidyr和我的broom包（您可以使用install.packages安装它们）来完成此操作。首先，您需要将所有数字列收集到一个列中：

library(dplyr)
library(tidyr)
tidied <- myDat %>%
    gather(column, value, -X, -Recipe, -Step, -Stage, -Prod)

要了解这一点，您可以阅读tidyr's gather operation。（这假设除了X，Recipe，Step，Stage和Prod之外的所有列都是数字的，因此应该在回归中进行预测。如果不是这种情况，则需要事先将其删除。您将会这样做。如果您需要更加个性化的解决方案，需要制作一个可重现的问题示例。）

然后执行每个回归，同时按列和四个分组变量进行分组。

library(broom)

regressions <- tidied %>%
    group_by(column, Recipe, Step, Stage, Prod) %>%
    do(mod = lm(value ~ X))

glances <- regressions %>% glance(mod)

生成的glances数据框对于列，Recipe，Step，Stage和Prod的每个组合都有一行，以及包含每个模型的R平方的r.squared列。（它还包含adj.r.squared以及其他列，例如F-test p值：有关详情，请参阅here。运行coefs <- regressions %>% tidy(mod)也可能对您有用，因为它将获得每次回归的系数估计值和p值。

"broom and dplyr" vignette和the broom manuscript的第3.1节中描述了类似的用例。

使用多个因子分组回归数据框

1 个答案: