在R w/ PLYR中提取组回归系数

Question

我试图对数据集中的每个邮政编码运行回归，并将系数保存到数据帧中，但我遇到了问题。

每当我运行下面的代码时，我都会得到一个名为“系数”的数据帧，其中包含每个邮政编码，但每个邮政编码的截距和系数等于简单回归lm(Sealed$hhincome ~ Sealed$square_footage)的结果。

当我运行下面链接中Ranmath的例子中的代码时，一切都像预期的那样工作。我在STATA工作多年后才接触R，所以如果有任何帮助，我将非常感激:)

R extract regression coefficients from multiply regression via lapply command

library(plyr)
Sealed <- read.csv("~/Desktop/SEALED.csv")

x <- function(df) {
      lm(Sealed$hhincome ~ Sealed$square_footage)
}

regressions <- dlply(Sealed, .(Sealed$zipcode), x)
coefficients <- ldply(regressions, coef)

Answer 1

由于dlply采用...参数，允许将额外的参数传递给函数，因此可以使操作更简单：

dlply(Sealed,.(zipcode),lm,formula=hhincome~square_footage)

lm的前两个参数是formula和data。由于在这里指定了formula，因此lm将把它给定的下一个参数(Sealed的相关邮政编码特定块)作为data参数...

Answer 2

您正在应用函数：

x <- function(df) {
      lm(Sealed$hhincome ~ Sealed$square_footage)
}

数据的每个子集，所以我们不应该感到惊讶，每次的输出都是

lm(Sealed$hhincome ~ Sealed$square_footage)

对吗？试着在你的函数中用df替换Sealed。这样，您引用的是传递给函数的每个单独部分中的变量，而不是数据帧Sealed中的整个变量。

Answer 3

问题不在于plyr，而在于函数的定义。您正在调用一个函数，但没有对该变量执行任何操作。

打个比方，

 myFun <- function(x) {
    3 * 7
  }

    >  myFun(2)
    [1] 21
    >  myFun(578)
    [1] 21

如果你对x的不同值运行这个函数，它仍然会给你21，无论x是什么。也就是说，函数中没有对x的引用。在我这个愚蠢的例子中，纠正是显而易见的；在上面的函数中，混淆是可以理解的。可以想象，$hhincome和$square_footage应该充当变量。

但是你想让你的x在 $之前改变它的值。正如@Joran正确指出的那样，将sealed$hhincome与df$hhincome互换(对于$squ..也是如此)，这将有所帮助。