应用于lm()

Question

我是R的新手，我只是在学习apply函数及其工作原理。我只想从变量x上的lm拟合中提取系数，按产品颜色和品牌在几年内进行调整。

我知道我可以创建一个for循环，并按模型年对数据进行子集，并对其进行拟合，但我认为这是我开始使用更多内置函数的时候了，所以我希望能够使用by函数或其中的一个应用函数来完成它。我是这么想的。

#some made up data

x<-rnorm(50,13400,1200)
color<-sample(factor(c("Red","Black","Blue","Green","White")),50,replace=T)
year<-sample(factor(2006:2012),50,replace=T)
brand<-sample(factor(c("A","B","C","D")),50,replace=T)

d<-data.frame(x,color,year,brand)

#now I want to fit the model lm(x~color+brand) for each year level
#this is what I was thinking...

tmp<-with(d,by(x,year,function(y) lm(x~color,data=y)))
sapply(tmp,coef)

eval中的错误(predvars，data，env)：数字‘env’arg不长度为1

我是根据我进入help(by)时给出的

Answer 1

试一试：

tmp <- by(d, year, function(d.subset) lm(x~color, data=d.subset))

Answer 2

除了使用基本的R函数(这是学习它们是如何工作的一个好主意)，它也值得看看谁可能曾经在这方面工作过。将线性模型拟合到数据集的每个子集是一件非常重要的事情，而且人们已经专门为此建立了一些方便的工具。

尝试查看包lme4和函数lmList。从?lmList中的示例来看，

(fm1 <- lmList(Reaction ~ Days | Subject, sleepstudy))

它分别适用于每个Reaction ~ Days的线性模型Subject。这很方便，因为提取器方法直接在fm1上工作。

> coef(fm1)
    (Intercept)      Days
308    244.1927 21.764702
309    205.0549  2.261785
310    203.4842  6.114899
330    289.6851  3.008073
331    285.7390  5.266019
332    264.2516  9.566768
333    275.0191  9.142045
334    240.1629 12.253141
335    263.0347 -2.881034
337    290.1041 19.025974
349    215.1118 13.493933
350    225.8346 19.504017
351    261.1470  6.433498
352    276.3721 13.566549
369    254.9681 11.348109
370    210.4491 18.056151
371    253.6360  9.188445
372    267.0448 11.298073

(行号是Subjects的id值)参见?lmList上的帮助文件，以查看其他哪些方法可用于诸如置信区间、绘图等。

Answer 3

在更现代的软件包中，这要容易得多，例如data.table

library(data.table)
setDT(d)
d[ , .(reg = list(lm(x ~ color))), by = year]
#    year  reg
# 1: 2012 <lm>
# 2: 2006 <lm>
# 3: 2011 <lm>
# 4: 2008 <lm>
# 5: 2007 <lm>
# 6: 2010 <lm>
# 7: 2009 <lm>

reg列有lm对象；注意，我们需要在list(.)中包装lm，这样data.table就不会混淆普通列表(注意is.list(lm(x ~ color, data = d))是TRUE )。