分类变量的每个级别的常见 x 和不同 ui 之间的若干回归

Question

我如何修改下面的代码，或提出更好的解决方案，分别为每个级别的 B 计算 x 和每个 yi i=1 到 n（假设 n 等于 3）之间的回归线，并将所有结果（截距，系数，R值）到一个新的data.frame。我的意思是一个数据集，第一列是指 B 的水平，另一列是系数的值，r.square 为每个x 和yi。

vars <- names(a[,grepl("y",names(a))])
fits <- lapply(vars, function(x) {lm(substitute(i ~ x, list(i = as.name(x))), data = a)})
summary <-lapply(fits,summary)

subject<-seq(1,20,1)
x<-seq(10,29,1)
B<-rep(1:2,10)
y1<-seq(15,34,1)
y2<-seq(20,39,1)
y3<-seq(50,69,1)
a<-data.frame(subject,x,B,y1,y2,y3)

Answer 1

library(purrr)
library(dplyr)
library(broom)

a %>% gather(key = variable, value = value, -subject, -x, -B) %>%
  filter(B == as.numeric(gsub("y", "", variable))) %>% 
  group_by(B, variable) %>% 
  nest() %>%
  mutate(models = data %>% map(., ~lm(value~x, data = .))
         ,results = models %>% map(., tidy)
         ,r.squared = models %>% map(., ~glance(.) %>% select(r.squared))) %>% 
  unnest(r.squared) %>% 
  unnest(results)

结果

# A tibble: 4 × 8
      B variable r.squared        term estimate    std.error    statistic       p.value
  <int>    <chr>     <dbl>       <chr>    <dbl>        <dbl>        <dbl>         <dbl>
1     1       y1         1 (Intercept)        5 3.520120e-15 1.420406e+15 6.759543e-119
2     1       y1         1           x        1 1.773411e-16 5.638852e+15 1.095702e-123
3     2       y2         1 (Intercept)       10 6.950480e-15 1.438749e+15 6.100095e-119
4     2       y2         1           x        1 3.340188e-16 2.993844e+15 1.735342e-121

Answer 2

最好先使用gather() 整理数据，这样所有以"y" 开头的列都在一个变量中。因此，我们使用后者作为key 嵌套您的数据，并使用purrr 包中的map() 对每个组应用lm 拟合。最后我们使用来自broom 包的tidy() 来清理输出并将其作为data.frame 返回：

library(tidyr)
library(purrr)
library(broom)

a %>% gather(key,value,-subject,-x,-B) %>%
        nest(-key) %>% 
        mutate(model = map(data, ~lm(value ~ x, data = .)),
               tidied = map(model, tidy)) %>%
        unnest(tidied)
#    key        term estimate    std.error    statistic       p.value
#  <chr>       <chr>    <dbl>        <dbl>        <dbl>         <dbl>
#1    y1 (Intercept)        5 2.838021e-15 1.761791e+15 1.375776e-264
#2    y1           x        1 1.395654e-16 7.165099e+15 1.485006e-275
#3    y2 (Intercept)       10 2.838021e-15 3.523582e+15 5.248168e-270
#4    y2           x        1 1.395654e-16 7.165099e+15 1.485006e-275
#5    y3 (Intercept)       40 2.063483e-16 1.938470e+17 2.462998e-301
#6    y3           x        1 1.014760e-17 9.854551e+16 4.789215e-296