Question

我正在研究回归问题，并尝试使该过程更加自动化。对于每个x变量，我都有一个X矩阵的转换我想测试（每列代表x变量的变换）。所以我需要创建一个循环，从每个X矩阵中取一个向量，根据y变量测试它们并存储每个变量的t值。

我为2个X变量进行了研究，但需要你的帮助才能将其扩展到n个变量。代码如下。

testvars <- function(y,X1,X2) {

  Tvals_X1 = data.frame(matrix(0, ncol = ncol(X2), nrow = ncol(X1)))
  Tvals_X2 = data.frame(matrix(0, ncol = ncol(X2), nrow = ncol(X1)))

  for (i in 1:ncol(X1)) {
    for (j in 1:ncol(X2)) {
      temp <- lm(y ~ X1[,i] + X2[,j])
      Tvals_X1[i,j] <- summary(temp)$coefficients[2,3]
      Tvals_X2[i,j] <- summary(temp)$coefficients[3,3]
    }
  }
}

Answer 1

这是我的方法;

# example datas
set.seed(1); y <- matrix(runif(20), ncol=1)
set.seed(2); x1 <- matrix(runif(60), ncol=3)
set.seed(3); x2 <- matrix(runif(80), ncol=4)
set.seed(4); x3 <- matrix(runif(40), ncol=2)
set.seed(5); x4 <- matrix(runif(60), ncol=3)

我制作了具有col-number的所有组合的矩阵

col.v <- sapply(list(x1,x2,x3,x4), ncol)         # ncols of each data
col.comb <- expand.grid(sapply(col.v, seq.int))  # its all combinations
# > head(col.comb, n=4)
#   Var1 Var2 Var3 Var4
# 1    1    1    1    1
# 2    2    1    1    1
# 3    3    1    1    1
# 4    1    2    1    1
# 5    2    2    1    1

我得到了 apply（col.comb，1，...） 的价值

tval <- apply(col.comb, 1, function(a) { 
  temp <- lm(y ~ x1[,a[1]] + x2[,a[2]] + x3[,a[3]] + x4[,a[4]])
  summary(temp)$coefficients[2:5, 3] })

# > head(tval, n=2)              # tval is matrix
#       x1[, a[1]] x2[, a[2]] x3[, a[3]] x4[, a[4]]
# [1,] -0.05692452 -0.9047370 -0.3758997   1.968530
# [2,]  0.03476527 -0.9260632 -0.3740936   1.965884

我将tval-matrix的每个col更改为 array ，并将每个数组合并到 list < / EM> 即可。
results <- list() # results[[1]] is x1's array for(i in seq.int(length(col.v))) results[[i]] <- array(tval[,i], dim=col.v) # names(results) <- c("x1", "x2", "x3", "x4") # if you want results2 <- array(t(tval), dim=c(length(col.v), col.v)) # all.array.version ## results[[1]] is the same as results2[1,,,,] # both is x1's array # dimnames(results2)[[1]] <- list("x1", "x2", "x3", "x4") # if you need
校验
c(results[[1]][2,3,2,3], results[[2]][2,3,2,3], results[[3]][2,3,2,3], results[[4]][2,3,2,3]) # [1] 0.54580342 -0.56418433 -0.02780492 -0.50140806 c(results2[1,2,3,2,3], results2[2,2,3,2,3], results2[3,2,3,2,3], results2[4,2,3,2,3]) # [1] 0.54580342 -0.56418433 -0.02780492 -0.50140806 summary(lm(y ~ x1[,2] + x2[,3] + x3[,2] + x4[,3]))$coefficients[2:5,3] # x1[, 2] x2[, 3] x3[, 2] x4[, 3] # 0.54580342 -0.56418433 -0.02780492 -0.50140806 # no problem
功能版本（n = 4）;
testvars2 <- function(y, x1, x2, x3, x4){ col.v <- sapply(list(x1,x2,x3,x4), ncol) col.comb <- expand.grid(sapply(col.v, seq.int)) tval <- t(apply(col.comb, 1, function(a) { temp <- lm(y ~ x1[,a[1]] + x2[,a[2]] + x3[,a[3]] + x4[,a[4]]) summary(temp)$coefficients[2:5, 3] })) results <- list() for(i in seq.int(length(col.v))) results[[i]] <- array(tval[,i], dim=col.v) #results2 <- array(t(tval), dim=c(length(col.v), col.v)) return(results) }

Answer 2

由于这是StackOverflow而不是CrossValidated，我将跳过有关这种变量选择的方法问题的任何警告。注意事项。

计算上，反复调用dispatch: { renderEnd: function(e) { //for each text d3.selectAll(".nv-legend text")[0].forEach(function(d){ //get the data var t= d3.select(d).data()[0]; //set the new data in the innerhtml d3.select(d).html(t.key + " - " + t.y); }); } }或lm会使R做相当多的簿记;相反，我会建议glm和add1函数。以下是示例中的示例输出，它测试将每个双向交互添加到模型中。在您的情况下，由于每个预测变量使用1个自由度，因此F stat是t-stat的平方。

drop1

具有变量变换的多元回归的自动化

2 个答案: