Question

我想计算几年中每天的趋势。例如，从2000年到2010年5月1日的趋势。这是我的测试数据框：

library(lubridate)
date_list = seq(ymd('2000-01-15'),ymd('2010-09-18'),by='day')
testframe = data.frame(Date = date_list)
testframe$Day = substr(testframe$Date, start = 6, stop = 10)
testframe$V1 = rnorm(3900)
testframe$V2 = rnorm(3900)
testframe$V3 = seq(from = 10, to = 25, length.out = 3900)
testframe$V4 = seq(from = 5, to = 45, length.out = 3900)

V1至V4是值。在testframe $ Day中，我已经删除了日期，因此可以使用它来对行进行分组。我知道aggregate很适合以此方式进行分组，但是我对如何将其与线性模型结合起来一无所知。

最后，我希望有一个数据框，该数据框具有一个包含每一天（当然没有年份）的列，以及一个包含从V1到V4的值的趋势/斜率的列。

有什么想法吗？

更新：

使其更加清晰。我想要的输出看起来像这样（趋势是随机的）

Day       V1 Trend   V2 Trend    V3 Trend   V4 Trend
01-01     +0.3          +0.4      +0.9        +0.5
01-02     +0.5          +0.3      +0.8        +0.4
01-03     -0.1          -0.2      +1.0        -0.3
01-04     +0.7          -0.7      +0.9        +0.9
......
......
12-30    -0.3           -0.4      +0.5        +0.8
12-31    -0.7           -0.3      +0.6        +0.9

p值，拦截和所有这些都很好。

我找到了这个示例，但是它仍然不在我想要的输出中：

#Add year for lm    
testframe$Year = as.numeric(format(testframe$Date,'%Y'))
library(plyr)
# Break up d by state, then fit the specified model to each piece and
# return a list
models <- dlply(testframe, "Day", function(df) 
  lm(Year ~ V4, data = df))

# Apply coef to each model and return a data frame
ldply(models, coef)

# Print the summary of each model
l_ply(models, summary, .print = TRUE)

Answer 1

这将为每个V列的每年的每一天提供单独的截距和斜率。（yday是0、1、2，...和ydayf相同的年份，但作为一个因子，yr是4位数字的年份。）

m <- as.matrix(testframe[-(1:2)])
yday <- as.POSIXlt(testframe$Date)$yday
ydayf <- factor(yday)
yr <- as.numeric(format(testframe$Date, "%Y"))

fm2 <- lm(m ~ ydayf + ydayf:yr + 0)
coef(fm2)
dummy.coef(fm2) # expand coefficients
summary(fm2)
broom::tidy(fm2) # data frame

如果您想要单独的斜率，但仅需一个截距，则可以在每个V列中使用。

fm3 <- lm(m ~ ydayf:yr)
coef(fm3) 
dummy.coef(fm3) # expands coefficients
summary(fm3)
broom::tidy(fm3)  # data frame

如果您想要单独的截距，但每个V列只有一个斜率，那么：

fm4 <- lm(m ~ ydayf + yr + 0)
coef(fm4) 
dummy.coef(fm4) # expands coefficients
summary(fm4)
broom::tidy(fm4)  # data frame

带有S Plus的现代应用统计这本书是lm公式的很好参考。

Answer 2

从您的输出中，您似乎要为每个Day建立一个V ~ Year形式的线性模型。

这是一种V1, V2, V3, V4的方法：

dplyr

如果您想将列名更新为类似library(lubridate) library(dplyr) set.seed(23) # for reproducibility # data (using your code) date_list = seq(ymd('2000-01-15'),ymd('2010-09-18'),by='day') testframe = data.frame(Date = date_list) testframe$Day = substr(testframe$Date, start = 6, stop = 10) testframe$V1 = rnorm(3900) testframe$V2 = rnorm(3900) testframe$V3 = seq(from = 10, to = 25, length.out = 3900) testframe$V4 = seq(from = 5, to = 45, length.out = 3900) testframe %>% mutate(Year = year(Date)) %>% # extract the year select(-Date) %>% # remove the Date column group_by(Day) %>% # for each day summarise_at(vars(matches("V")), ~lm(. ~ Year)$coefficients[2]) # build a model and keep the slope # # A tibble: 366 x 5 # Day V1 V2 V3 V4 # <chr> <dbl> <dbl> <dbl> <dbl> # 1 01-01 0.108 0.0554 1.41 3.75 # 2 01-02 -0.0543 -0.103 1.41 3.75 # 3 01-03 -0.143 -0.0176 1.41 3.75 # 4 01-04 0.146 -0.0232 1.41 3.75 # 5 01-05 -0.154 -0.0533 1.41 3.75 # 6 01-06 -0.268 0.0470 1.41 3.75 # 7 01-07 -0.164 0.0873 1.41 3.75 # 8 01-08 0.0634 0.266 1.41 3.75 # 9 01-09 0.0115 -0.0320 1.41 3.75 # 10 01-10 0.0576 -0.237 1.41 3.75 # # ... with 356 more rows的名称，则可以改用此名称：

v_trend

替代方法（从每个模型中获取更多信息）

如果您想了解有关每个线性模型的更多信息，我建议使用一些数据重塑和summarise_at(vars(matches("V")), list(trend = ~lm(. ~ Year)$coefficients[2]))软件包，如下所示：

broom

然后，您可以查询此数据集并获取所需的任何内容。例如，如果将上述输出另存为library(lubridate) library(tidyverse) library(broom) testframe %>% mutate(Year = year(Date)) %>% select(-Date) %>% gather(v, value, -Day, -Year) %>% group_by(Day, v) %>% nest() %>% mutate(dd = map(data, ~tidy(lm(value ~ Year, data = .)))) %>% unnest(dd) %>% arrange(Day) # # A tibble: 2,928 x 7 # Day v term estimate std.error statistic p.value # <chr> <chr> <chr> <dbl> <dbl> <dbl> <dbl> # 1 01-01 V1 (Intercept) -217. 162. -1.34 2.16e- 1 # 2 01-01 V1 Year 0.108 0.0806 1.34 2.16e- 1 # 3 01-01 V2 (Intercept) -112. 196. -0.570 5.84e- 1 # 4 01-01 V2 Year 0.0554 0.0976 0.567 5.86e- 1 # 5 01-01 V3 (Intercept) -2800. 0.260 -10756. 6.25e-30 # 6 01-01 V3 Year 1.41 0.000130 10824. 5.94e-30 # 7 01-01 V4 (Intercept) -7489. 0.694 -10787. 6.11e-30 # 8 01-01 V4 Year 3.75 0.000346 10824. 5.94e-30 # 9 01-02 V1 (Intercept) 109. 238. 0.458 6.59e- 1 # 10 01-02 V1 Year -0.0543 0.119 -0.458 6.59e- 1 # # ... with 2,918 more rows，则可以按如下方式获得第testframe2列01-01的趋势/斜率：

V1

以及该斜率的p值，如下所示：

testframe2 %>% filter(Day == "01-01" & v == "V1" & term == "Year") %>% pull(estimate)

几年中每天的R计算趋势

2 个答案:

替代方法（从每个模型中获取更多信息）