在R中比lm()更快的函数

Question

我试图在R中运行一个基本的回归模型，以前，我一直使用lm()函数，没有任何问题。但是，对于这个函数和我的计算机，我的数据帧现在太大了。在我的数据集上运行lm()函数30分钟而没有看到任何进展之后，我停止了该函数并使其崩溃了RStudio。我使用的计算机有24 am内存。

我的回归模型是：

lm(y~var1+var2+var3+var4, data = df)

我试图在lm()函数上运行的数据是：n=100000，有4个自变量(一个numeric，三个factor)，并且是正态分布的。

我发现使用glm4()函数(来自MatrixModels包)要快得多，而且在我的情况下不会使R崩溃。但是，此函数在调用它时不会生成汇总表：

library(MatrixModels)

fit <- glm4(y~var1+var2+var3+var4, data = df, sparse = TRUE, family = gaussian)

summary(fit)
  Length    Class     Mode 
       1 glpModel       S4

但是，只有使用head(coef(fit))调用系数才能工作，但我更喜欢完整的汇总表。

head(coef(fit))

我还看到了这个主题：Is there a faster lm function，其中讨论了函数lm.fit()和.lm.fit()，尽管这些函数中的语法和输入(矩阵)与其他函数不同。在我的示例中，来自speedglm包的函数speedglm返回一个错误。关于lm()和glm()函数的替代方案的大多数主题也已经过时。

当前在大型数据集中运行lm()的最佳方法是什么？

Answer 1

显然，在10万个观测数据集上进行回归不应该是个问题。

在收到关于主帖子的有用评论之后，我发现回归输入中使用的一个自变量被编码为字符，方法是使用以下命令查找dataframe (Df)中每一列的数据类型：

str(df)

$ var1           : chr  "x1" "x2" "x1" "x1"
$ var2           : Factor w/ 2 levels "factor1" "factor2": 1 1 1 0
$ var3           : Factor w/ 2 levels "factorx" "factory": 0 1 1 0
$ var4           : num 1 8 3 2

将var1更改为因子变量：

df$var1 <- as.factor(df$var1)

在将var1更改为因子变量后，回归确实在几秒钟内运行。