我想使用相同的因变量对数据框进行线性回归。 here解决了类似的问题。问题是,实现ANOVA的aov
函数不接受x
和y
作为参数(据我所知)。有没有办法整齐地执行分析?到目前为止,我已经尝试过类似的事情:
library(tidyverse)
iris %>%
as_tibble() %>%
select(Sepal.Length, Species) %>%
mutate(foo_a = as_factor(sample(c("a", "b", "c"), nrow(.), replace = T)),
foo_b = as_factor(sample(c("d", "e", "f"), nrow(.), replace = T))) %>%
map(~aov(Sepal.Length ~ .x, data = .))
由reprex package(v0.2.1)
创建于2019-02-12所需的输出是三个分析:Sepal.Length
和Species
,Sepal.Length
和foo_a
以及最后一个Sepal.Length
和foo_b
。有可能还是我完全错了?
答案 0 :(得分:1)
一种方法是将其制成一个长形数据框,并按感兴趣的自变量分组,并使用"many models"方法。我通常更喜欢这样的事情,而不是尝试在多个列上进行tidyeval -它只是让我对正在发生的事情有更清晰的认识。
为了节省空间,我正在使用iris_foo
,它是您通过2条变异线创建的数据。将其放长格式可以为您提供这三列名称的键,这些列将在每个aov
调用中用作独立变量。
library(tidyverse)
iris_foo %>%
gather(key, value, -Sepal.Length)
#> # A tibble: 450 x 3
#> Sepal.Length key value
#> <dbl> <chr> <chr>
#> 1 5.1 Species setosa
#> 2 4.9 Species setosa
#> 3 4.7 Species setosa
#> 4 4.6 Species setosa
#> 5 5 Species setosa
#> 6 5.4 Species setosa
#> 7 4.6 Species setosa
#> 8 5 Species setosa
#> 9 4.4 Species setosa
#> 10 4.9 Species setosa
#> # … with 440 more rows
在此处,以key
嵌套,并创建一个新的ANOVA模型列表列。这将是aov
个对象的列表。为了简化返回模型的操作,可以删除数据列。
aov_models <- iris_foo %>%
gather(key, value, -Sepal.Length) %>%
group_by(key) %>%
nest() %>%
mutate(model = map(data, ~aov(Sepal.Length ~ value, data = .))) %>%
select(-data)
aov_models
#> # A tibble: 3 x 2
#> key model
#> <chr> <list>
#> 1 Species <S3: aov>
#> 2 foo_a <S3: aov>
#> 3 foo_b <S3: aov>
从那里,您可以根据需要使用模型。在列表aov_models$model
中可以访问它们。打印后,它们看起来像您期望的那样。例如,第一个模型:
aov_models$model[[1]]
#> Call:
#> aov(formula = Sepal.Length ~ value, data = .)
#>
#> Terms:
#> value Residuals
#> Sum of Squares 63.21213 38.95620
#> Deg. of Freedom 2 147
#>
#> Residual standard error: 0.5147894
#> Estimated effects may be unbalanced
要查看所有模型,请致电aov_models$model %>% map(print)
。您可能还需要使用broom
函数,例如broom::tidy
或broom::glance
,具体取决于您如何展示模型。
aov_models$model %>%
map(broom::tidy)
#> [[1]]
#> # A tibble: 2 x 6
#> term df sumsq meansq statistic p.value
#> <chr> <dbl> <dbl> <dbl> <dbl> <dbl>
#> 1 value 2 63.2 31.6 119. 1.67e-31
#> 2 Residuals 147 39.0 0.265 NA NA
#>
#> [[2]]
#> # A tibble: 2 x 6
#> term df sumsq meansq statistic p.value
#> <chr> <dbl> <dbl> <dbl> <dbl> <dbl>
#> 1 value 2 0.281 0.141 0.203 0.817
#> 2 Residuals 147 102. 0.693 NA NA
#>
#> [[3]]
#> # A tibble: 2 x 6
#> term df sumsq meansq statistic p.value
#> <chr> <dbl> <dbl> <dbl> <dbl> <dbl>
#> 1 value 2 0.756 0.378 0.548 0.579
#> 2 Residuals 147 101. 0.690 NA NA
或将所有模型整理到一个数据框中(保留key
列),您可以这样做:
aov_models %>%
mutate(model_tidy = map(model, broom::tidy)) %>%
unnest(model_tidy)