在使用R映射建立多个线性模型时删除未使用的对比

Question

我正在通过一个大的数据集建立线性模型，这是不平衡的(不是所有的对比都存在于所有分组中)。是否有一种有效的方法来忽略分组有少于2个对比？在下面的示例中，testData1表示工作流正确工作的平衡数据集。testData2表示一个不平衡的数据集，该数据集会引发对比度错误。

aovFxn <- function(dat){
  lm(outcomeVar ~ predVar1, data = dat) %>%
    broom::tidy()
}

testData1 <- data.frame(
  groupVar = rep(c('a', 'b'), each = 12),
  predVar1 = c(rep(c('x', 'y', 'z'), each = 4, times = 2)),
  outcomeVar = sample(1:100, 24)
)

testData2 <- data.frame(
  groupVar = rep(c('a', 'b'), each = 12),
  predVar1 = c(rep(c('x', 'y', 'z'), each = 4),
               rep('x', 12)),
  outcomeVar = sample(1:100, 24)
)

testStats1 <- testData1 %>%
  nest(groupData = -groupVar) %>%
  mutate(df = purrr::map(groupData, aovFxn)) %>%
  unnest_legacy(df)

testStats2 <- testData2 %>%
  nest(groupData = -groupVar) %>%
  mutate(df = purrr::map(groupData, aovFxn)) %>%
  unnest_legacy(df)

Answer 1

当出现错误时，我们可以使用tryCatch或purrr::possibly返回所需的值。

library(dplyr)
library(purrr)
paovFxn <- possibly(aovFxn, otherwise = NULL)
testData2 %>%
  nest(groupData = -groupVar) %>%
  mutate(df = purrr::map(groupData, paovFxn)) %>%
  unnest(df)%>%
  select(-groupData)

-output

 A tibble: 3 × 6
  groupVar term        estimate std.error statistic p.value
  <chr>    <chr>          <dbl>     <dbl>     <dbl>   <dbl>
1 a        (Intercept)    42.5       17.3    2.45    0.0367
2 a        predVar1y      19.7       24.5    0.805   0.441 
3 a        predVar1z       2.25      24.5    0.0917  0.929 

另一个选项是创建一个if条件

testData2 %>% 
  nest(groupData = -groupVar) %>% 
  mutate(df = map(groupData, ~ if(n_distinct(.x$predVar1) > 1) aovFxn(.x)) ) %>% 
  unnest(df, keep_empty = TRUE) %>%
  select(-groupData)

-output

# A tibble: 4 × 6
  groupVar term        estimate std.error statistic p.value
  <chr>    <chr>          <dbl>     <dbl>     <dbl>   <dbl>
1 a        (Intercept)    42.5       17.3    2.45    0.0367
2 a        predVar1y      19.7       24.5    0.805   0.441 
3 a        predVar1z       2.25      24.5    0.0917  0.929 
4 b        <NA>           NA         NA     NA      NA     

注意:如果我们不使用keep_empty = TRUE，默认情况下它将是FALSE，输出中的'groupVar‘'b’行将不存在。