group_by() 中的 mutate() 中的 lm()

Question

我正在寻找一种方法来向我的数据 table 添加一个列，该列由 lm(a~b) 函数中的 residuals 组成，该函数针对 [=15= 的不同级别分别计算]

有人建议我查看 sort_by(c) 函数，但这似乎不适用于 lm(a~b)

我的工作示例数据如下所示：

subject、trial 和 rt 列在 data.frame 内，我的目标是计算 Zre_SPSS（我最初是在 SPSS 中创建的）但是来自 R 函数。

我试过了

data %<>% group_by (subject) %>% 
  mutate(Zre=residuals(lm(log(rt)~trial)))

但它不起作用 - Zre 得到计算但不是在每个主题内单独计算，而是针对整个数据框。

谁能帮帮我？我是一个完整的 R（和一般编码）新手，所以如果这个问题很愚蠢或 duplicate，请原谅我，很可能我不理解其他解决方案或者他们不是我寻找的解决方案。最好的祝福。

根据 Ben Bolker 的要求，这里是从 excel 屏幕截图

生成数据的 R 代码

#generate data
  subject<-c(1,1,1,1,1,1,2,2,2,2,2,2,3,3,3,3,3,3)
  subject<-factor(subject)
  trial<-c(1,2,3,4,5,6,1,2,3,4,5,6,1,2,3,4,5,6)
  rt<-c(300,305,290,315,320,320,350,355,330,365,370,370,560,565,570,575,560,570)

#Following variable is what I would get after using SPSS code
  ZreSPSS<-c(0.4207,0.44871,-1.7779,0.47787,0.47958,-0.04897,0.45954,0.45487,-1.7962,0.43034,0.41075,0.0407,-0.6037,0.0113,0.61928,1.22038,-1.32533,0.07806)

#make data frame
  sym<-data.frame(subject, trial, rt, ZreSPSS)

Answer 1

这看起来像是 dplyr 0.5 mutate 中的错误，其中组内的 lm 仍会尝试使用完整数据集。您可以使用 do 代替：

sym %>% group_by(subject) %>% do(
{
    r <- resid(lm(log(rt) ~ trial, data = .))
    data.frame(., r)
})

这仍然与您的 SPSS 列不匹配，但它是您提供的数据的正确结果。您可以通过为每个受试者手动拟合模型并检查残差来验证这一点。

（其他类型的残差包括 rstandard 用于标准化残差和 rstudent 用于学生化残差。它们仍然与您的 SPSS 数字不匹配，但可能是您正在寻找的。）

Answer 2

更高版本的 dplyr 似乎能够处理这个（使用 dplyr 0.7.4 测试）：

sym %>% group_by(subject) %>% do(
{
    r <- resid(lm(log(rt) ~ trial, data = .))
    data.frame(., r)
}) ->a

sym %>% group_by(subject) %>% mutate(

    r =  resid(lm(log(rt) ~ trial))
) ->b

all(a$r==b$r)  #->TRUE

另一个独立测试

# 
# 
# https://github.com/tidyverse/dplyr/issues/2177

# tested with dplyr 0.7.4

# 1) do 
df = group_by(iris,Species) %>% do({
res = resid( lm(Sepal.Length~Petal.Length+Petal.Width, data=.) )
data.frame(., res)
})

# 2) group_by + mutate
# cannot have "data=." in lm
df2 = group_by(iris,Species) %>% mutate(
res = resid( lm(Sepal.Length~Petal.Length+Petal.Width) )
)

# 3) filter + mutate
df3 = filter(iris,Species=='setosa') %>% mutate(
res = resid( lm(Sepal.Length~Petal.Length+Petal.Width, data=.) )
)
df3 = bind_rows(df3,
filter(iris,Species=='versicolor') %>% mutate(
res = resid( lm(Sepal.Length~Petal.Length+Petal.Width, data=.) )
))
df3 = bind_rows(df3,
filter(iris,Species=='virginica') %>% mutate(
res = resid( lm(Sepal.Length~Petal.Length+Petal.Width, data=.) )
))

# 4) across all rows (should not be the same)
df4 = mutate(iris,
res = resid( lm(Sepal.Length~Petal.Length+Petal.Width, data=iris) )
)

# conclusion: all the same, except df4
all(df$res==df2$res)
all(df$res==df3$res)
df$res==df4$res

group_by() 中的 mutate() 中的 lm()

lm() within mutate() in group_by()

r

dplyr

lm