在数据帧的子集上构建模型

Question

例如考虑＆＃34; iris＆＃34;与R的主要设置一起安装的数据框：

names(iris)
# [1] "Sepal.Length" "Sepal.Width"  "Petal.Length" "Petal.Width"  "Species" 
levels(iris$Species)
# [1] "setosa"     "versicolor"   "virginica"

现在我构建了三个模型而没有附加＆＃34; iris＆＃34;：

t1=lm(iris$Sepal.Length ~ iris$Sepal.Width + iris$Petal.Length , data=iris)

t2=lm(iris$Sepal.Length ~ iris$Sepal.Width + iris$Petal.Length , data=iris[iris$Species=="setosa",])

t3=lm(iris$Sepal.Length ~ iris$Sepal.Width + iris$Petal.Length , data=iris , subset = (iris$Species=="setosa"))

现在我想t2=t3<>t1但是R说t1=t2<>t3。为什么我错了？!!

现在我再次构建我的模型，但这次附加了＆＃34; iris＆＃34;：

attach(iris)

t1=lm(Sepal.Length ~ Sepal.Width + Petal.Length , data=iris)

t2=lm(Sepal.Length ~ Sepal.Width + Petal.Length , data=iris[iris$Species=="setosa",])

t3=lm(Sepal.Length ~ Sepal.Width + Petal.Length , data=iris , subset = (iris$Species=="setosa"))

现在我和R都认为：t2=t3<>t1。但是我再次因为附在模特身上的影响而感到困惑！我认为第一组模型相当于第二组模型，但R说不！感谢。

Answer 1

在子集上进行线性模型的两种方法：

手动创建子集

setosa <- subset(iris, subset = Species == "setosa")
t1 <- lm(Sepal.Length ~ Sepal.Width + Petal.Length, data=setosa)

使用lm()

中的子集参数

t2 <- lm(Sepal.Length ~ Sepal.Width + Petal.Length, data=iris, subset = Species == "setosa")

t1和t2是等效的。但是，如果您在iris$调用中使用lm()，则R会忽略传递给data（可能还有subset）的内容，因为您明确指出矢量到函数而不是数据帧。这是使用lm()的错误方法。

Answer 2

这是一个范围问题。如果你这样做：

t1=lm(iris$Sepal.Length ~ iris$Sepal.Width + iris$Petal.Length , data=iris)

t2=lm(Sepal.Length ~ Sepal.Width + Petal.Length , data=iris[iris$Species=="setosa",])

t3=lm(iris$Sepal.Length ~ iris$Sepal.Width + iris$Petal.Length , data=iris , subset = (iris$Species=="setosa"))

您获得了理想的结果。

 coef(t1) == coef(t2)
 (Intercept)  iris$Sepal.Width iris$Petal.Length 
    FALSE             FALSE             FALSE 

 coef(t2) == coef(t3)
 (Intercept)  Sepal.Width Petal.Length 
    TRUE         TRUE         TRUE 

当您说iris$Sepal.Length时，R已经知道在哪里寻找该值。因此subset参数是多余的，R忽略它。正如评论中所提到的，在提供foo$bar时不需要使用data = foo，这种情况看起来是一个很好的例子，说明为什么不这样做。