Question

我做了一个bootstrap（线性回归重复1000次替换）并得到1000个截距（alpha）和1000个斜率（beta），

msft.boot.sample <- list()  
for (i in 1:1000) {
  msft.boot.sample[[i]] <- sample(y_msft,size = 132, replace = TRUE)
}
x.boot.sample <- list()
for (i in 1:1000) {
  x.boot.sample[[i]] <- sample(x, size = 132, replace = TRUE)
}
n <- 1000
my_lms <- lapply(1:n, function(i) lm(msft.boot.sample[[i]] ~ x.boot.sample[[i]]))
sapply(my_lms, coef)
summaries <- lapply(my_lms, summary)

然后，

coef(my_lms[[1]])["(Intercept)"]
# (Intercept)
# -0.0366332

coef(my_lms[[2]])["(Intercept)"]
# (Intercept)
# -0.01598145

coef(my_lms[[3]])["(Intercept)"]
# (Intercept)
# -0.02526318

我可以一次获得一个截距和一个斜率，但是如何在一段时间内获得所有alpha（或beta）并将它们放入数据集中？我使用了类似的代码，但仍然只有一个alpha值。

for (i in 1:1000) {
  alpha.1000 <- as.numeric(coef(my_lms[[i]])["(Intercept)"])
}

alpha.1000
# [1] -0.03495652

Answer 1

你总是覆盖alpha.1000值。使用此：

alpha.1000=numeric(1000)    
for(i in 1:1000){ 
      alpha.1000[i]<-as.numeric(coef(my_lms[[i]])["(Intercept)"])
    }

Answer 2

如果您的回归都具有相同的参数，那么

coef_list = sapply(my_lms, coef)

将为您提供一个矩阵，其中每个模型都有一列，每个系数都有一行。截距矢量只是顶行coef_list[1, ]。

R：如何提取1000个线性回归的截距并将它们放在一个数据集中？

2 个答案: