如何在因子变量的多个子集上循环线性回归答案

【问题标题】：How to loop a linear regression over multiple subsets of a factor variable如何在因子变量的多个子集上循环线性回归
【发布时间】：2020-08-08 05:34:13
【问题描述】：

我正在尝试编写一个 for 循环，该循环在因子变量的 4 个不同级别上分别运行 4 次相同的回归（相同的因变量和自变量）。然后我想保存每个线性回归的输出每个级别都有大约 500 行数据。

我最初的想法是做这样的事情，但我不熟悉 R 和不同的迭代方法。

Regressionresults <- list()

for (i in levels(mydata$factorvariable)) {
  Regressionresults[[i]] <- lm(dependent ~ ., data = mydata)
}

我怀疑这很容易做到，但我不知道怎么做。

如果您还可以指导我访问任何帮助文档或其他资源，在那里我可以学习如何编写这些类型的循环，这样我就不必再问类似的问题了，我将不胜感激。

提前非常感谢！

【问题讨论】：

【解决方案1】：

问题中代码的问题是：

在 R 中，通常最好不要一开始就使用循环
通常 i 用于顺序索引，所以它不是一个好的选择用于关卡的名称
循环体不做任何子集，所以每次迭代都会分配相同的结果
发给 SO 的帖子应该有可重现的数据，并且问题不包括该数据，而是在未定义其内容的情况下提及对象。请阅读r 标签页顶部的说明。下面我们使用内置的 iris 数据集进行重现。

以下是一些使用内置 iris 数据框实现可重复性的方法。每个结果都会生成一个命名列表，其中名称是 Species 的级别。

1) lm 子集参数 Map 给出列表的级别：

sublm <- function(x) lm(Petal.Width ~ Sepal.Width, iris, subset = Species == x)
levs <- levels(iris$Species)
Map(sublm, levs)

2) 循环 sublm 和 levs 来自 (1)。

L <- list()
for(s in levs) L[[s]] <- sublm(s)

3) nlme 或使用来自 nlme 的 lmList

library(nlme)
L3 <- lmList(Petal.Width ~ Sepal.Width | Species, iris)
coef(L3)
summary(L3)

【讨论】：

【解决方案2】：

我知道问题被问一年后，只是想使用fixest 包添加第四个简单明了的选项

model <- feols(Petal.Width ~ Sepal.Width, data = iris, split = ~Species)
summary(model)

这里的关键是split = ~Species，如果您想要全样本回归（整个数据）以及单个因素回归，也可以使用fsplit。

【讨论】：