0

線形モデルをデータのサブセットに適合させたいシミュレーションを実行しています。

library(reshape2)
library(plyr)

all <- mutate(iris, mean_width = ave(Petal.Width, Petal.Length))
str(all)

## want to minimise sum(|y*polynomial(x) - z|^2) for each id
## in the region where x != exclude

weighted_difference <- function(d, n=4, exclude = c(2.5, 3), ...){

  sub <- subset(d, !(Sepal.Width > exclude[1] &
                     Sepal.Width < exclude[2]))
  fit <-  lm(mean_width ~ I(poly(Petal.Length, n, raw=TRUE)*Petal.Width) + Petal.Width - 1, data = sub)
  mutate(d, predict = predict(fit, d),
         difference = Petal.Width - predict )
}

results <- ddply(all, "Species", weighted_difference)

これは機能しますが、最初にフィットのために新しい data.frame を作成する、より単純なアプローチを使用したいと思います。

  exclude <- c(3, 6)
  sub <- subset(all, !(x > exclude[1] & x < exclude[2]))

すべてのケースに適合し、

 fits <- lm(z ~ I(poly(x, n, raw=TRUE)*y) + y - 1 | id, data = sub)

(これ... | idは明らかに無効な構文です)

一度に完全なデータに対して予測を使用し、

all <- mutate(all, predict = predict(fits, all), difference = y - predict )

lm()こういう使い方のコツってありますか？それともより良い解決策ですか？ありがとう。

4

1 に答える 1

2

Does lmList (from nlme) do what you want?

library(nlme)
fits <- lmList(z ~ I(poly(x, n, raw=TRUE)*y) + y - 1 | id, data = sub)
于 2012-06-18T10:02:37.097 に答える