dplyr 包中的多条件线性回归答案

【问题标题】：linear regression by multiple condition in dplyr packagedplyr 包中的多条件线性回归
【发布时间】：2017-11-17 11:23:12
【问题描述】：

假设我有 20 辆车，每辆车都进行了 10 次测试，在每次测试中，根据行驶的路线距离定义了多个路段。

我想为每个 veh_id+test_id+segment 组合的高度与路线距离的回归得到简单的线性回归斜率。

在 R 中使用 dplyr 包，我认为这样的东西应该可以工作：

dataset <- dataset %>%
group_by (veh_id, test_id, segment) %>%
do(data.frame(mod = coef(lm(height ~ distance,data = .))[2])) %>%
left_join(dataset,.)

但是报错为：

lm.fit 中的错误（x，y，偏移量 = 偏移量，奇异值.ok = 奇异值.ok，...） : 0 (non-NA) 案例

我回顾了我的数据，“高度”变量有一些 NA...

有没有办法通过排除那些高度的NA来执行代码？

【问题讨论】：

【解决方案1】：

避免在lm() 函数中排除NAs。相反，好的做法是将清洁步骤与建模步骤分开。例如，您可以使用 tidyr 包中的 drop_na() 函数从数据集中删除包含缺失值的行。下面我以内置的airquality数据集为例：

library(tidyr)
dataset <- airquality %>% drop_na()

> nrow(airquality) - nrow(dataset)
[1] 42

【讨论】：