Question

我目前正在对72,000个观察数据集进行一系列回归分析，每个观察结果大约有20个变量。其中一个变量由56个名称组成，我想为每个名称运行一个回归。我想我会为此创建一个for循环，但是我对使用这种大小的数据集有点经验不足包含名称的变量不在回归中。 NAME：变量我想运行for循环来为每个名称运行回归。

我的代码：

 my.mods = lapply(s.dat, FUN = function(x) {
 lm(log(TM+1000) ~ log(Inc+1) + log(Slip_sq_K+1) +
log(Ten+1) + log(HF+1) + log(BroP+1) + log(B+1) +
log(sian+1) + log(H_+1) + log(C_65+1) + log(D+1) +
log(TIP+1) + log(p+1) + log(X34itP+1) + log(FGK+1) +
log(X19tP+1) + log(X2nitP+1) + log(Car_AloneP+1) +
log(CaoledP+1) +log(PTsP+1) + log(Gy+1) +
log(OthemeansP+1) + log(HP+1) + log(Coi+1) +
log(electr) + log(Na+1),
data = x, na.action=na.exclude)

} ）

谢谢！

Answer 1

无需循环。只需拆分数据并使用lapply。

acs.dat.split = split(acs.dat, acs.dat$NAME)

my.mods = lapply(acs.dat, FUN = function(x) {
  lm(log(TSM+1000) ~ log(Inc+1) + log(Slip_sq_K+1) +
    log(Teen+1) + log(HFGG+1) + log(BrownP+1) + log(BlackP+1) +
    log(AsianP+1) + log(H_65+1) + log(C_65+1) + log(Detachedp+1) +
    log(TIP+1) + log(X2Unitp+1) + log(X34UnitP+1) + log(FGK+1) +
    log(X189tP+1) + log(X20PlusUnitP+1) + log(Car_AloneP+1) +
    log(CarpooledP+1) +log(PublicTransP+1) + log(Gly+1) +
    log(OthermeansP+1) + log(HomeP+1) + log(CommTime+1) +
    log(electr) + log(Natural_gas+1),
    data = x, na.action=na.exclude)
  } 
)

Answer 2

如果您想使用循环，您可以为每个名称分组数据：

data(mtcars)
models = list()
for (i in 1:length(unique(row.names(mtcars)))) {
  sub_cars <- subset(x = mtcars, subset = row.names(mtcars) == row.names(mtcars)[i])
  models[i] <- lm(mpg ~ cyl, data = sub_cars)
}

Answer 3

这是我在裸R中的解决方案，只是有点长，因为我生成了一个代码，因为我不确定我是否得到了你想要的东西。但我认为如果我得到它你可以使用最后一行。

    # Random code for example
    set.seed(1)
    names <- c("Homer", "Bart", "Lisa")
    da <- rnorm(30)
    da1 <- rnorm(30, 2)
    data <- data.frame(Names = rep(names, 10), da, da1)

在这里我相信你可以使用：

reg <- by(data[, 2:3], data$Names, lm)

他输出：

reg
data$Names: Bart

Call:
FUN(formula = data[x, , drop = FALSE])

Coefficients:
(Intercept)          da1  
     0.7738      -0.3076  

-------------------------------------------------------------- 
data$Names: Homer

Call:
FUN(formula = data[x, , drop = FALSE])

Coefficients:
(Intercept)          da1  
    0.14672     -0.01079  

-------------------------------------------------------------- 
data$Names: Lisa

Call:
FUN(formula = data[x, , drop = FALSE])

Coefficients:
(Intercept)          da1  
    -1.3974       0.7396

Answer 4

如果可能的话，我更喜欢没有循环的工作，我发现this页真有帮助。它展示了如何在plyr函数中使用模型，并从中获取包含所有重要参数的表。

对于基于R中变量名的回归循环

4 个答案: