如何撰寫一個函式，以不同的因變數運行同一型別的多個回歸模型，然后將它們存盤為串列？

我正試圖撰寫一個函式，該函式將運行多個回歸，然后將輸出存盤在一個向量中。我想讓該函式從我提供的串列中挑選因變數，然后在相同的右側變數上運行回歸。我不知道如何去做這件事。如果有任何提示，我們將不勝感激。

my_data <- data. frame(x1=(1。 10)   rnorm(10,  3, 1. 5）。  x2=25/3   rnorm(10,  0, 1）, 
                      描繪。 var1=seq(5。  28, 2. 5), dep. var2=seq(100。  -20, -12。 5）, 
                      描繪。 var3=seq（1,  25, 2. 5））

##下面是一個告訴函式的串列。
dep.var <- list(dep.var1=my_data$dep. var1, dep.var2=my_data$dep.var2)
##從my_data中使用哪個因變數。

all_models <- function(dep. var){lm(dep. var ~ x1   x2。  data=my_data）}

模型<- sapply(dep. var, all_models) ##這里的 "sapply "告訴函式要
##從串列dep.var.中獲取因變數。

我希望 "模型 "串列中有兩個物件：model1與dep.var1，model2與dep.var2。然后根據需要，我將使用 summary(model#) 來查看回歸輸出。

我知道，當使用一個向量（即p）時，這在理論上是可行的：

p <- seq(/span>0. 25, 0.95, 0.05） s < - function(p) {1 - pnorm(35。 p*1*44。 sqrt（44)*sqrt(p*(1 - p）））} f <- sapply(p,s)

但是，我無法讓整個事情按照我的回歸模型的要求來運作。它在一定程度上起作用，因為你可以運行并檢查 "模型"，它將向你顯示兩個回歸輸出 - 但它是可怕的。而且 "模型 "并不顯示回歸規范，即dep.var1 ~ x1 x2.

uj5u.com熱心網友回復：

考慮reformulate來動態地改變模型公式，使用字符值進行lm呼叫：

# VECTOR OF COLUMN NAMES (NOT VALUES)/span>
dep.vars <- c("Dep. var1", "dep.var2"） 
 
# USER-DEFINED METHOD TO PROCESS DIFFERENT DEP VAR
run_model <- function(dep.var)  {>
    fml < -重新計算(c("x1"/span>。  "x2"), dep. var)
    lm(fml, data=data) 
}
                     
# 命名的模型串列 # 命名的模型串列
all_models <- sapply(dep. vars, run_model, simplify = FALSE)

# OUTPUT RESULTS
all_models$dep.var1
all_models$dep.var2
...

從這里開始，你可以在模型物件中運行進一步的提取或處理：

uj5u.com熱心網友回復：

你可以套用依賴變數的名稱，你可以用grep很好地識別。在lm中使用reformulate來建立公式。

sapply(grep('^dep'/span>。  names(my_data)。  value=TRUE）。  (x) 
       lm(reformulate(c('x1',  'x2'）。  x), my_data))
# dep.var1 dep.var2 dep.var3 
# coefficients numeric,3 numeric,3 numeric,3 
# residuals numeric,10 numeric,10 numeric,10 
# effects numeric,10 numeric,10 numeric,10 
# rank 3 3 3 
# fitted.values numeric,10 numeric,10 numeric,10 
# assign integer,3 integer,3 integer,3 
# qr qr,5 qr,5 qr,5 
# df.residual 7 7 7 
# xlevels list,0 list,0 list,0 
# call expression expression 
# terms dep.var1 ~ x1   x2 dep.var2 ~ x1   x2 dep.var3 ~ x1   x2
# model data.frame,3 data.frame,3 data.frame,3 

dep.var*在結果中出現得很好。

然而，你可能想使用lapply并將其輸送到setNames()以獲得串列元素的命名。當然，你可以不使用grep，而是手動定義依賴變數。為了得到一個干凈的公式呼叫存盤，我們使用一個技巧，曾經@g-grothendieck教我的使用do.call。

dv <- as. list(grep('^dep'>,  names(my_data)。 value=TRUE）[1。 2]）
res < - lapply(dv。  (x) {
  f < -重新計算(c('x1'。  'x2'）, x）。
  做。 call('lm', list（f。  quote(my_data))>
}) |>
  setNames(dv)
回應
# $dep.var1
# 
# Call:
# lm(formula = dep.var1 ~ x1   x2, data = my_data) 
# 
# Coefficients:
# (Intercept) x1 x2
# -4.7450 2.3398 0.2747 
# 
# 
# $dep.var2
# 
# Call:
# lm(formula = dep.var2 ~ x1   x2, data = my_data) 
# 
# Coefficients:
# (Intercept) x1 x2
# 148.725 -11.699 -1.373 

這允許你獲得物件的summary()，這可能是你想要的。

 summary(res$dep.var1) 
# Call:
# lm(formula = dep.var1 ~ x1   x2, data = my_data) 
# 
# Residuals:
# Min 1Q Median 3Q Max 
# -2.8830 -1.8345 -0.2326 1.4335 4.2452 
# 
# Coefficients:
# Estimate Std. Error t value Pr(>|t|) 
# (Intercept) -4.7450 7.2884 -0.651 0.536 
# x1 2.3398 0.2836 8.251 7.48e-05 ***
# x2 0.2747 0.7526 0.365 0.726 
# ---
# Signif.代碼: 0 '***' 0.001 '**' 0.01 '*' 0.05 '. ' 0.1 ' 1
# 
# 殘差標準誤差：2.55，7個自由度。
# Multiple R-squared:  0.9117，調整后的R平方。 0.8865 
# F-statistic: 36.14 on 2 and 7 DF, p-value: 0.0002046

最后你可以用一個函式來包裝它

uj5u.com熱心網友回復：

這里有一個方法，你可以遍歷你的資料框架，并將函式應用于你定義的組（這里dep.var），并在資料框架中保存不同的模型：

library(tidyverse) 
library(broom)
my_data%>% 
    pivot_longer()
        starts_with("dep")，
        names_to = "group",
        values_to = "dep.var"/span>
    ） %>% 
    mutate(group = as. factor(group) %>% 
    group_by(group) %>% 
    group_split() ％>％ 
    map_dfr(. f = function(df) {.
        lm(dep. var ~ x1   x2, data = df） %> %
             tidy() %>% # first output
            #glance() %>% #第二次輸出
            add_column(group = unique(df$group)。  . before=1) 。
    })

dataframe輸出：

# A tibble: 9 x 6
  組術語估計值 std.error 統計學 p.value
  <fct> < chr> <dbl>  <dbl> < dbl> <dbl>
1 dep.var1 (Intercept) -5。 29 11.6 -0.456 0.662   
2 dep.var1 x1 2.11 0.268 7.87 0.000101
3 dep.var1 x2 0.538 1.23 0.437 0.675   
4 dep.var2 （截距） 151.  57.9 2.61 0.0347[/span  
5 dep.var2 x1 -10.6 1。 34 -7.87 0.000101[/span
6 dep.var2 x2 -2.69 6。 15 -0.437 0.675.   
7 dep.var3 (Intercept) -9。 29 11.6 -0.802 0.449   
8 dep.var3 x1 2.11 0.268 7.87 0.0001
9 dep.var3 x2 0.538 1.23 0.437 0.675 

串列輸出：

[[1]] 
# A tibble: 3 x 6
  組術語估計值 std.error 統計學 p.value
  <fct> < chr> <dbl>  <dbl> < dbl> <dbl>
1 dep.var1 (Intercept) -5。 29 11.6 -0.456 0.662   
2 dep.var1 x1 2.11 0.268 7.87 0.000101
3 dep.var1 x2 0.538 1.23 0.437 0.675   

[[2]]
# A tibble: 3 x 6
  組術語估計值 std.error 統計學 p.value
  <fct> < chr> <dbl>  <dbl> < dbl> <dbl>
1 dep.var2 （Intercept） 151.  57.9 2.61 0.0347[/span  
2 dep.var2 x1 -10.6 1. 34 -7.87 0.000101[/span
3 dep.var2 x2 -2.69 6。 15 -0.437 0.675.   

[[3]] 
# A tibble: 3 x 6
  組術語估計值 std.error 統計學 p.value
  <fct> < chr> <dbl>  <dbl> < dbl> <dbl>
1 dep.var3 (Intercept) -9。 29 11.6 -0.802 0.449   
2 dep.var3 x1 2.11 0.268 7.87 0.0001
3 dep.var3 x2 0.538 1.23 0.437 0.675 

glance output:

 group r.squared adj.r.squared sigma statistic p.value df logLik AIC BIC deviance df.residual nobs
  <fct> <dbl>  <dbl> < dbl> <dbl>  <dbl> < dbl> <dbl>  <dbl>/span> <dbl>  <dbl> < int> <int>/span>
1 dep.var1 0.927 0.906 2.32 44.3 0。 000106 2 -20.8 49. 7 50.9 37.8 7 10
2 dep.var2 0.927 0.906 11.6 44.3 0。 000106 2 -36.9 81. 9 83.1 944. 7 10
3 dep.var3 0.927 0.906 2.32 44.3 0。 000106 2 -20.8 49. 7 50.9 37.8 7 10

標籤：

上一篇：如何在python上保留默認的引數

下一篇：是否可以將add_image_size與get_theme_file_uri一起使用？