我需要運行 600 多個回歸，每個回歸都基于不同的 MECE 資料組（組取值 {1,2,...,623}）。從每個回歸中，我需要存盤所有自變數的系數估計值。我能夠通過回圈回歸來做到這一點（見下文）；但是，我發現這很慢，我相信有更好的方法：
# loop prep
formula <- "dv ~ iv_1 iv_2 iv_3 | fe"
ols_stored_coef <- matrix(0, 623, 3)
ols_stored_coef <- as.data.frame(ols_stored_coef )
# loop
for(i in 1:623) {
#run regression:
ols <- feols(as.formula(formula), subset(df, group==i))
# generate coefficients:
ols_coef <- summary(ols)$coefficients
ols_coef <- data.frame(as.list(ols_coef))
# store coefficients:
ols_stored_coef[i,1] = ols_coef[1,1]
ols_stored_coef[i,2] = ols_coef[1,2]
ols_stored_coef[i,3] = ols_coef[1,3]
}
這行得通，但運行大約需要 10 分鐘（大約有 600 萬個觀測值和 623 個 MECE 組）。但是，我知道以下命令在大約 1 分鐘內估計了所有 623 個回歸：
ols_split <- feols(as.formula(formula), df, split=~group)
回歸資料全部存盤在一個“623 串列”中。我可以通過以下方法提取每組的系數，其中 X 是組值。
ols_split $`sample.var: store; sample: X`$coefficients
在理想情況下，我可以運行這個 split feols()，然后通過回圈存盤系數：
for(i in 1:623) {
ols_coef <- ols_split $`sample.var: store; sample: i`$coefficients
ols_coef <- data.frame(as.list(ols_coef))
# store coefficients:
ols_stored_coef[i,1] = ols_coef[1,1]
ols_stored_coef[i,2] = ols_coef[1,2]
ols_stored_coef[i,3] = ols_coef[1,3]
}
但是，因為我在引號中``我相信它被當作文本閱讀因此不起作用。
有什么方法可以使用 ols_split 623 回歸結果串列來提取系數嗎？
uj5u.com熱心網友回復：
您使用的最固定的包有一些構建函式來支持這一點。這是我基于您的示例：
df <- tibble(
dv = rnorm(1000),
iv_1 = rnorm(1000),
iv_2 = rnorm(1000),
iv_3 = rnorm(1000),
fe = 1,
group = sample(LETTERS, 1000, replace = TRUE)
)
formula <- "dv ~ iv_1 iv_2 iv_3 | fe"
ols_stored_coef <- matrix(0, 623, 3)
ols_stored_coef <- as.data.frame(ols_stored_coef )
ols_split <- fixest::feols(as.formula(formula), df, split=~group)
out <- fixest::coeftable(ols_split)
head(out)
id sample.var sample coefficient Estimate Std. Error t value Pr(>|t|)
1 1 group A iv_1 -0.04816492 0.2019670 -0.2384791 0.8133102
2 1 group A iv_2 -0.18081949 0.1982410 -0.9121193 0.3697786
3 1 group A iv_3 0.04826683 0.1961902 0.2460206 0.8075269
4 2 group B iv_1 -0.15561382 0.1824392 -0.8529625 0.3993197
5 2 group B iv_2 0.06064802 0.2348541 0.2582370 0.7976946
6 2 group B iv_3 -0.07948869 0.1981408 -0.4011728 0.6906643
當然，如果這種格式不是您想要的，并且您確實想要一個微不足道的矩陣，需要從這里進行一些爭論。IE
m <- matrix(out$Estimate, ncol = length(unique(out$coefficient)), byrow = TRUE)
colnames(m) <- unique(out$coefficient)
rownames(m) <- unique(out$sample)
head(m)
uj5u.com熱心網友回復：
我會建議另一種方式，使用 tidyverse 工具。我正在使用 gapminder 資料集來實作可重復性。如果您有可以作為示例提供的資料，它也可以應用于此：
library(gapminder)
library(purrr)
library(broom)
library(dplyr)
library(tidyr)
gapminder |>
group_by(country) |>
nest() |>
mutate(fit = map(data, ~ lm(lifeExp ~ gdpPercap, data = .)),
coefs = map(fit, tidy)) |>
unnest(coefs)
# A tibble: 284 × 8
# Groups: country [142]
country data fit term estimate std.error statistic p.value
<fct> <list> <list> <chr> <dbl> <dbl> <dbl> <dbl>
1 Afghanistan <tibble [12 × 5]> <lm> (Intercept) 39.3 12.0 3.26 0.00857
2 Afghanistan <tibble [12 × 5]> <lm> gdpPercap -0.00224 0.0149 -0.151 0.883
3 Albania <tibble [12 × 5]> <lm> (Intercept) 54.0 3.16 17.1 0.0000000101
4 Albania <tibble [12 × 5]> <lm> gdpPercap 0.00444 0.000917 4.84 0.000682
5 Algeria <tibble [12 × 5]> <lm> (Intercept) 27.4 4.90 5.60 0.000226
6 Algeria <tibble [12 × 5]> <lm> gdpPercap 0.00714 0.00106 6.71 0.0000533
7 Angola <tibble [12 × 5]> <lm> (Intercept) 41.6 3.91 10.6 0.000000899
8 Angola <tibble [12 × 5]> <lm> gdpPercap -0.00103 0.00104 -0.998 0.342
9 Argentina <tibble [12 × 5]> <lm> (Intercept) 52.3 3.60 14.5 0.0000000479
10 Argentina <tibble [12 × 5]> <lm> gdpPercap 0.00187 0.000395 4.74 0.000797
# … with 274 more rows
# ? Use `print(n = ...)` to see more rows
通過使用nest()and map()（基本版本為lapply()），您可以迭代分組所依據的每個變數以擬合模型并提取系數和其他資訊，使用broom::tidy().
轉載請註明出處，本文鏈接：https://www.uj5u.com/qiye/534623.html
標籤：rfor循环回归重复
上一篇：打破一個長度遞減的for回圈
下一篇：我代碼中的串列無法正常作業