3

グループ化変数の一意の組み合わせによって定義されたサブセットの単純な重回帰を自動化したいと思います。いくつかのグループ化変数df1[、1：6]といくつかの独立変数df1 [、8：10]および応答df1 [、7]を持つデータフレームがあります。

これはデータからの抜粋です。

structure(list(Surface = structure(c(1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L), .Label = c("NiAu", "Sn"), class = "factor"), Supplier = structure(c(1L, 1L, 1L, 2L, 2L, 1L, 1L, 2L, 2L, 2L, 2L), .Label = c("A", "B"), class = "factor"), ParticleSize = structure(c(1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L), .Label = c("3", "5"), class = "factor"), T1 = structure(c(2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L), .Label = c("130", "144"), class = "factor"), T2 = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), .Label = "200", class = "factor"), O2 = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), .Label = "1300", class = "factor"), Shear = c(56.83, 67.73, 78.51, 62.61, 66.78, 60.89, 62.94, 76.34, 70.56, 70.4, 54.15), Gap = c(373, 450, 417, 450, 406, 439, 439, 417, 439, 441, 417), Clearance = c(500.13, 509.85, 495.97, 499.55, 502.66, 505.33, 500.32, 503.28, 507.44, 500.5, 498.39), Void = c(316, 343, 89, 247, 271, 326, 304, 282, 437, 243, 116)), .Names = c("Surface", "Supplier", "ParticleSize","T1", "T2", "O2", "Shear", "Gap", "Clearance", "Void"), class = "data.frame", row.names = c(NA, -11L))

unique（df1 [、1：6]）を使用すると、グループ化変数の5つの因子の組み合わせが返されます。したがって、lm（）関数を適用するサブセットは5つあるはずです。私の電話はそのように見えます

df1.fit.by<-with(df1,by(df1,df1[,1:6], function(x) lm(Shear~Gap+Clearance+Void,data=x)))
sapply(df1.fit.by,coef)

問題1：16個のリストエントリを含むリストが返されます。どうやら、それは最初の6つのグループ化変数のすべての可能な因子の組み合わせを計算します。（V5 + V6はレベルのみですが、抜粋ではV1：4には2つのレベルレベルがあります。結果として2 ^ 4 = 16になります）ただし、データ内の実際の既存の因子の組み合わせのみを使用する必要があります。したがって、by（）はそれを実現するための正しい関数ではないと思います。助言がありますか？
問題2：変数名よりも列インデックスを参照する方が簡単だと思います。そのため、最初はlm（）関数をlm（df1 [、7]〜df1 [、8] + df1 [、9]）の方法で使用しようとしていました。それはうまくいきませんでした。サブセットではなく、常にdf1データフレーム全体にアクセスするためです。したがって、おそらく、因子の組み合わせの行のインデックスを、完全なデータフレームではなくlm（）関数に渡す必要があります。

問題1と2の解決策は、別のサブセット関数を使用して何らかの形で関連し、解決されていると思います。誰かが私の間違いがどこにあるのか説明してくれるといいですね。可能であれば、Rの理解を深めたいという理由だけで、標準パッケージに固執します。ありがとう

編集：変数の割り当ての小さな間違い

4

1 に答える 1

4

あなたはplyrパッケージを使うことができます：

require(plyr)
list_reg <- dlply(df1, .(Surface, Supplier, ParticleSize, T1, T2), function(df) 
  {lm(Shear~Gap+Clearance+Void,data=df)})
#We have indeed five different results
length(list_reg)
#That's how you check out one particular regression, in this case the first
summary(list_reg[[1]])

この関数は、あなたの場合はa （d ...の略）をdlply取り、リスト（.l ...の略）を返します。この場合、5つの要素で構成され、それぞれに次の結果が含まれます。 1つの回帰。data.framedf1

内部的にdf1は、で指定された列に従って5つのsub-data.frameに分割され、これらのすべてのsub-data.frame.(Surface, Supplier, ParticleSize, T1, T2)に関数lm(Shear~Gap+Clearance+Void,data=df)が適用されます。

dlply実際に何をしているのかをよりよく理解するには、

list_sub_df <- dlply(df1, .(Surface, Supplier, ParticleSize, T1, T2))

そして、が適用される各sub-data.frameを見ることができますlm。

最後の一般的な注意事項：パッケージ作成者のHadley Wickhamによる論文は本当に素晴らしいです。彼のパッケージを使用することにならない場合でも、分割-適用-結合のアプローチについて理解することは非常に良いことです。 。

編集：

クイック検索を行ったところ、予想どおり、これは以前にすでによく説明されていたので、このSOの投稿も必ず読んでください。

EDIT2：

列番号を直接使用する場合は、これを試してください（このSO投稿から取得）。

 list_reg <- dlply(df1, names(df1[, 1:5]), function(df) 
      {lm(Shear~Gap+Clearance+Void,data=df)})
于 2012-02-01T14:49:08.193 に答える