我在 R df 中有一个数据框，其中每一行 X 是一个主题（N = 100），每一列 S 是两年内每个月完成一项任务的每个主题的分数。因此，我有一个由 1 个月间隔均匀分布的 100 个受试者和 24 个观察值的数据框（忽略月/日差异）。
问题1：如何为每个主题拟合一条线（线性回归）？我很难理解如何对列执行此操作，而不是列中的行。
问题2：如何将一条线（线性回归）拟合到整个数据集？我问是因为我想将数据集分成 A 组和 B 组（即一列标记为条件：{A,B}），并在 24 个时间点上为每个主题子集拟合一条线。
如果这是一个简单的问题，我们深表歉意。
【问题讨论】：
reshape2::melt 以获取适当格式的数据。并分享一些数据，向我们展示您的尝试。
标签： r regression
我根据您的描述构建了一个数据集。如果这有用，不妨将其包含在您的问题中。
df<- as.data.frame(matrix(rep(1:24,100)+rnorm(2400),nrow=100,byrow=T))
names(df)<- paste("S",1:24,sep="")
df$ID<-1:100
df$group <- as.factor(sample(c("A","B"),100,replace=T))
现在融合您的数据框，将 S1 到 S24 列作为因子变量。
library(reshape2)
m<- melt(df,id.vars=c("ID","group"))
然后，您可以使用以下类型的调用来检查特定 ID 的线性时间模型。您可以使用 lapply 一次性为所有 ID 执行此操作。
summary(lm(value~as.numeric(variable), data=m, subset=ID==5))
这将按照组预测的方式对所有项目进行建模。请注意，组因子被强制为数字。在这种情况下，A 为 1，B 为 2。
summary(lm(value~group, data=m))
【讨论】：