功能可容纳5种型号

Question

数据是：

{container}/{path-in-container}

功能可容纳5种型号

d <- data.frame(x = rnorm(100, 0, 1),
            y = rnorm(100, 0, 1),
            z = rnorm(100, 0, 1))

如果可能的话，我想通过自动从R内的拟合模型和ind变量中获取参数，以每个模型的实格式构造实回归方程。例如：对于fit1模型，intercept = -0.20612，x = 0.17443，x = 0.03203。然后方程将是这样的：y = -0.206 + 0.174x + 0.032z等，并希望在表格中列出所有模型的方程以及非常常见的有用统计数据，例如R2，P值，R2调整，观测值等。没有显示我想要的输出。因此，我想确保是否有任何方法可以在R中执行此操作，而无需在excel中手动执行此操作？

谢谢！

Answer 1

我们可以使用@ J.R.的函数here和broom::glance通过{em> mods library(purrr) library(broom) map_dfr(mods, function(x) data.frame('Eq'=regEq(lmObj = x, dig = 3), broom::glance(x), stringsAsFactors = FALSE), .id='Model') Model Eq r.squared adj.r.squared sigma statistic p.value df logLik AIC BIC 1 fit1 y = 0.091 - 0.022*x - 0.027*z 0.0012601436 -0.01933243 1.028408 0.06119408 0.9406769 3 -143.1721 294.3441 304.7648 2 fit2 y = 0.093 - 0.022*x - 0.003*I(z^2) 0.0006154188 -0.01999045 1.028740 0.02986619 0.9705843 3 -143.2043 294.4087 304.8294 3 fit3 y = 0.093 - 0.248*poly(x, 3)1 - 0.186*poly(x, 3)2 - 0.581*poly(x, 3)3 - 0.031*z 0.0048717358 -0.03702840 1.037296 0.11627016 0.9764662 5 -142.9909 297.9819 313.6129 4 fit4 y = 0.201 + 0.08*ns(x, 3)1 - 0.385*ns(x, 3)2 - 0.281*ns(x, 3)3 - 0.031*z 0.0032813558 -0.03868575 1.038125 0.07818877 0.9887911 5 -143.0708 298.1416 313.7726 deviance df.residual 1 102.5894 97 2 102.6556 97 3 102.2184 95 4 102.3818 95到模型R2，P值和调整R2。

{{1}}

Answer 2

假设最后的注释中显示的mods并且所需要的是公式的文本表示的字符向量，其中系数被替换，我们有以下内容。

fit2text函数将获取一个适合的对象，并输出带有公式文本表示形式的字符串。 round自变量给出了系数在结果中四舍五入到的位数。 rmI参数，如果为TRUE，则删除任何I（...）并仅将...留在...内，为了易于实现，假定其中的表达式不包含任何括号。如果为FALSE，则不会删除I。

可以从summary(mods[[1]])或broom::glance(mods[[1]])提取其他统计信息

fit2text <- function(fit, round = 2, rmI = TRUE) {
  fo <- formula(fit)  
  resp <- all.vars(fo)[1]
  co <- round(coef(fit), round)
  labs <- c(if (terms(fit, "intercept") == 1) "", labels(fit))
  p <- gsub("\\+ *-", "- ", paste(resp, "~ ", paste(paste(co, labs), collapse = " + ")))
  p2 <- if (rmI) gsub("I\\(([^)]+)\\)", "\\1", p) else p
  gsub(" +", " ", p2)
}
sapply(mods, fit2text)

给予：

                                                           fit1 
                                  "y ~ -0.11 - 0.05 x + 0.03 z" 
                                                           fit2 
                                "y ~ -0.07 - 0.05 x - 0.04 z^2" 
                                                           fit3 
"y ~ -0.11 - 0.43 poly(x, 3) - 1.05 z + 0.27 + 0.04 poly(x, 3)" 
                                                           fit4 
    "y ~ -0.55 + 0.23 ns(x, 3) + 0.79 z - 0.25 + 0.04 ns(x, 3)"

注意

该问题中的代码不可复制，因为缺少库调用，它使用了没有set.seed的随机数，并且代码中还有其他错误。为了清楚起见，我们提供了以下可重复使用的代码，用于为上述答案提供输入。

library(splines)
set.seed(123)

d <- data.frame(x = rnorm(100, 0, 1),
            y = rnorm(100, 0, 1),
            z = rnorm(100, 0, 1))

# function to fit 5 models
func <-function(d){
  fit1 <- lm( y~ x + z, data = d)
  fit2 <- lm( y~x + I(z^2), data = d)

  fit3 <- lm( y~poly(x,3) + z, data = d)
  fit4 <- lm( y~ns(x, 3) + z, data = d)
  l <- list(fit1, fit2, fit3, fit4)
  names(l) <- paste0("fit", 1:4) 
  return(l)
}

mods <- func(d)

Answer 3

问题是您的每个模型都不完全适合表格数据，例如，拟合3返回4个估计，而拟合1仅返回3

如果您对列表感到满意，我建议它们是一种存储此类信息的好方法

\001B

有没有办法通过从R中的模型中获取参数来构造实际的回归方程？

功能可容纳5种型号

3 个答案:

注意