如何从R中的“lm”类型模型中循环“fitted”对象？答案

【问题标题】：How to loop over `fitted` objects from `lm`-type models in R?如何从R中的“lm”类型模型中循环“fitted”对象？
【发布时间】：2018-03-13 17:59:39
【问题描述】：

我的最终目标是为任意数量的拟合对象计算 zoo（参见下面的函数 pc），例如如下所示的 fit1 和 fit2。

不过，我想知道如何循环 fit 对象？具体来说，如果用户提供了 2 个拟合对象，例如 fit1 和 fit2（下面），如何为每个拟合对象计算 zoo？

library(rstanarm) 
data(kidiq)
d <- kidiq  

fit1 <- stan_glm(kid_score ~ mom_iq,
                data = d,   
                prior = normal(0, 2.5),  
                prior_intercept = normal(0, 10),  
                prior_aux = normal(0, 10)) 

fit2 <- stan_glm(kid_score ~ mom_iq,
                data = d,   
                prior = normal(0, 2.5),  
                prior_intercept = normal(0, 10),  
                prior_aux = cauchy(0, 100))

要对fit 对象进行矢量化或循环的函数：

pc <- function(fit){

      y <- rstanarm::get_y(fit)
  ypred <- rstanarm::posterior_linpred(fit, transform = TRUE)

  if(family(fit)$family == "binomial" && ncol(y) == 2) {
    trials <- rowSums(y)
    y <- y[, 1]
    ypred <- ypred %*% diag(trials)
  }
  e <- -1 * sweep(ypred, 2, y)
  var_ypred <- apply(ypred, 1, var)
  var_e <- apply(e, 1, var)
zoo <- var_ypred / (var_ypred + var_e)
return(zoo)
  }

【问题讨论】：

请注意我理解这个问题；什么不适用于循环或 lapply？

标签： r function for-loop vectorization

【解决方案1】：

lapply(list(fit1, fit2), pc) 应该可以工作。

【讨论】：

【解决方案2】：

compute=function(){
  for(i in ls()){
    if(class(eval(parse(text=i)))=="lm"){
      print(paste("zoo for",i,pc(eval(parse(text=i)))))
    }
  }
}
compute()

【讨论】：