当使用lm而不是biglm

时间:2015-08-04 20:14:40

标签: r dplyr

我正在使用dplyr / broom包对多个传感器进行线性回归。当我在do语句中使用lm()时,来自扫帚的glance()函数将无法工作,但如果我使用biglm()将会工作。这不会是一个问题,但我希望r ^ 2,F-Statistic和p-val对于传统的lm()来说非常漂亮。

我在其他地方看了一下,但是找不到类似的错误:

Error in data.frame(r.squared = r.squared, adj.r.squared = adj.r.squared,  : 
 object 'fstatistic' not found

可能的预感:

?Anova 
"The comparison between two or more models will only be valid if they are 
fitted to the same dataset. This may be a problem if there are missing
values and R's default of na.action = na.omit is used."

以下是代码:

library(tidyr)
library(broom)
library(biglm) # if not install.packages("biglm")
library(dplyr)
regressionBig <- tidied_rm_outliers %>%
group_by(sensor_name, Lot.Tool, Lot.Module, Recipe, Step, Stage, MEAS_TYPE) %>%
do(fit = biglm(MEAS_AVG ~ value, data = .)) #note biglm is used

regressionBig 

#extract the r^2 from the complex list type from the data frame we just stored

glances <- regressionBig %>% glance(fit)
glances %>% 
  ungroup() %>%
  arrange(desc(r.squared))
#Biglm works but if i try the same thing with regular lm It errors on glance() 

ErrorDf <- tidied_rm_outliers %>%
  group_by(sensor_name, Lot.Tool, Lot.Module, Recipe, Step, Stage, MEAS_TYPE) %>% 
  do(fit = lm(MEAS_AVG ~ value, data = .)) #note lm is normal
ErrorDf %>% glance(fit)

#Error in data.frame(r.squared = r.squared, adj.r.squared = adj.r.squared,  : 
#object 'fstatistic' not found

我讨厌上传整个数据框,因为我知道它在S / O上通常是不可接受的,但我不确定如果不这样做就可以创建一个可重现的例子。 https://www.dropbox.com/s/pt6xe4jdxj743ka/testdf.Rda?dl=0

关于pastebin的R会话信息,如果你愿意的话here

3 个答案:

答案 0 :(得分:6)

ErrorDf中看起来像是一个糟糕的模型。我诊断它运行for循环。

for (i in 1:nrow(ErrorDf)){
  print(i)
  glance(ErrorDf$fit[[i]])
}

对于模型#94,似乎没有value的系数估计。我还没有进行任何进一步的调查,但它提出了一个有趣的问题:broom应如何处理

答案 1 :(得分:3)

遇到同样的问题后,我发现了这篇文章。如果lm()失败,因为某些分组的案例太少,那么您可以通过预先过滤数据来解决此问题,以便在运行do()循环之前删除这些分组。下面的通用代码显示了如何过滤掉少于30个数据点的组。

require(dplyr)
require(broom)

data_grp = ( data 
    %>% group_by(factor_a, factor_b)
    %>% mutate(grp_cnt=n())
    %>% filter(grp_cnt>30)
)

答案 2 :(得分:1)

我在故障排除中找到这篇文章之后写了一个函数来处理这个问题。软件包维护者可能(将)有一个更聪明的解决方案,但我认为它应该适用于大多数情况。感谢@Benjamin的循环灵感。

collect_glance=function(mdldF){
    # mdldF should be a data frame from dplyr/broom with the column 'mdl' for the object models
    mdlglance=data_frame() #initialize empty dataframe
    metadF=mdldF %>% slice(0) %>% select(-ncol(mdldF))#create an empty data frame with only the group info
    i=1
    for(i in 1:nrow(mdldF)){
        # fill in metadata for each group for each modeling iteration
        for(colnums in 1:ncol(mdldF)-1){
            metadF[1,colnames(mdldF)[colnums]]=mdldF[i,colnames(mdldF[colnums])]
        }
        # attempt glance(). if succesful, bind to metadata. if not, return empty dataframe
        gtmp=tryCatch(glance(mdldF$mdl[[i]]) %>% bind_cols(metadF,.), error = function(e) {
            data_frame()
        })
        # test for empty dataframe. bind to mdlglance data frame if glance was successful. otherwise use full_join to join mdlglance and metadata by group names and get NA for all the other glance columns.
        if(nrow(gtmp)!=0) { 
            mdlglance=bind_rows(mdlglance,gtmp) 
        } else {
            mdlglance=full_join(mdlglance,metadF)
            }
    }
    return(mdlglance)
}