Question

我是R的新手，我希望使用*apply函数改进以下脚本（我已阅读apply，但我无法使用它）。我想在多个独立变量（数据框中的列）上使用lm函数。我用了

for (i in (1:3) {
  assign(paste0('lm.',names(data[i])), lm(formula=formula(i),data=data))
  }

Formula(i)定义为

formula=function(x)
{
  as.formula ( paste(names(data[x]),'~', paste0(names(data[-1:-3]), collapse = '+')), env=parent.frame() )
}

谢谢。

Answer 1

如果我没有弄错你，你正在使用这样的数据集：

set.seed(0)
dat <- data.frame(y1 = rnorm(30), y2 = rnorm(30), y3 = rnorm(30),
                  x1 = rnorm(30), x2 = rnorm(30), x3 = rnorm(30))

x1，x2和x3是协变量，y1，y2，y3是三个独立的回复。您正在尝试拟合三种线性模型：

y1 ~ x1 + x2 + x3
y2 ~ x1 + x2 + x3
y3 ~ x1 + x2 + x3

目前，您正在使用y1，y2，y3循环，每次都适合一个模型。您希望通过将for循环替换为lapply来加快整个过程。

你走错了路。 lm()是一项昂贵的操作。只要您的数据集不小，for循环的成本就可以忽略不计。用for替换lapply循环不会带来性能提升。

由于所有三个模型都具有相同的RHS（~的右侧），因此三个模型的模型矩阵相同。因此，所有模型的QR分解只需要进行一次。 lm允许这样做，您可以使用：

fit <- lm(cbind(y1, y2, y3) ~ x1 + x2 + x3, data = dat)
#Coefficients:
#             y1         y2         y3       
#(Intercept)  -0.081155   0.042049   0.007261
#x1           -0.037556   0.181407  -0.070109
#x2           -0.334067   0.223742   0.015100
#x3            0.057861  -0.075975  -0.099762

如果您检查str(fit)，您会发现这不是三个线性模型的列表;相反，它是一个单个线性模型，具有单个$qr对象，但具有多个LHS。因此$coefficients，$residuals和$fitted.values是矩阵。除了通常的“lm”类之外，得到的线性模型还有一个额外的“mlm”类。我创建了一个特殊的mlm标记，收集了有关该主题的一些问题，并通过其tag wiki进行了总结。

如果你有更多的协变量，你可以避免使用.输入或粘贴公式：

fit <- lm(cbind(y1, y2, y3) ~ ., data = dat)
#Coefficients:
#             y1         y2         y3       
#(Intercept)  -0.081155   0.042049   0.007261
#x1           -0.037556   0.181407  -0.070109
#x2           -0.334067   0.223742   0.015100
#x3            0.057861  -0.075975  -0.099762

警告：不要写

y1 + y2 + y3 ~ x1 + x2 + x3

这会将y = y1 + y2 + y3视为单一回复。使用cbind()。

随访：

我对概括感兴趣。我有一个数据框df，其中第一个n列是因变量(y1,y2,y3,....)，而下一个m列是独立变量(x1+x2+x3+....)。对于n = 3和m = 3，它是fit <- lm(cbind(y1, y2, y3) ~ ., data = dat))。但是如何使用df的结构自动执行此操作。我的意思是(for i in (1:n)) fit <- lm(cbind(df[something] ~ df[something], data = dat))。我用paste和paste0创建的“东西”。谢谢。

因此，您正在编写公式，或者想要在循环中动态生成/构造模型公式。有很多方法可以做到这一点，许多Stack Overflow问题都与此有关。通常有两种方法：

use reformulate;
使用paste / paste0和formula / as.formula。

我更喜欢reformulate它的整洁，但是，它不支持公式中的多个LHS。 It also needs some special treatment if you want to transform the LHS。所以在下面我将使用paste解决方案。

对于您的数据框df，您可以

paste0("cbind(", paste(names(df)[1:n], collapse = ", "), ")", " ~ .")

更漂亮的方法是使用sprintf和toString来构建LHS：

sprintf("cbind(%s) ~ .", toString(names(df)[1:n]))

以下是使用iris数据集的示例：

string_formula <- sprintf("cbind(%s) ~ .", toString(names(iris)[1:2]))
# "cbind(Sepal.Length, Sepal.Width) ~ ."

您可以将此字符串公式传递给lm，因为lm会自动将其强制转换为公式类。或者您可以使用formula（或as.formula）

formula(string_formula)
# cbind(Sepal.Length, Sepal.Width) ~ .

<强>注：

这个多LHS公式也在R core的其他地方得到支持：

使用多个LHS拟合线性模型

1 个答案:

随访：