使用 data.table 的多元线性回归模型和使用 grep 的模式

Question

我正在尝试使用单个 data.table 到运行多元线性回归模型，使用模式 grep() 并将该模型应用于 table 的每个部分使用 by=

这是我目前得到的。

 d <- data.table(label=rep(c('a','b','c'),
c(10,10,10)),resp1=rnorm(30),resp2=rnorm(30),x1=runif(30),x2=runif(30))

    for (i in grep('resp',names(d),value = TRUE)) {

    models[i] <- d[,as.list(coef(lm(i ~ x1 + x2 ))),by=label]}

然后我得到以下错误：

Error in model.frame.default(formula = eval(i) ~ x1 + x2, drop.unused.levels = TRUE) : variable lengths differ (found for 'x1')

我确定我遗漏了一些非常明显的东西。我可以看到 by 参数在使用循环时不起作用？

Answer 1

您应该进行以下更改以使其在 data.table 中运行。您设置的问题是 i 在 for 循环中被转换为 "resp1" （带引号的 resp1），这对于公式来说是不可取的，在 data.table 的情况下也是如此 lm 尝试在提供的公式环境中使用的变量，因为 lm 参数中没有 "data" 元素，R 无法确定这些变量来自哪个 place/environment 因此，你需要提供.SD（data.table中的数据子集），这可以在data.table中的第二个表达式元素中找到（我们通常将其称为j表达式）因此你必须使用$ 或 [[ 在这里明确。

假设 "d" 是你的 data.table 然后这样做：

models <- list()  ###Initialize the list where you want to save your outcome.
for (i in grep('resp',names(d),value = TRUE)) { 
  models[[i]] <- d[,as.list(coef(lm(.SD[[i]] ~ .SD$x1 + .SD$x2 ))),by=label]
}

要调用它们的值，您需要这样做：

models[["resp1"]]  and/or  models[["resp2"]]

输出：

# label (Intercept)         x1         x2
# 1:     a   1.0189543 -1.3744124 -1.8500784
# 2:     b  -1.7325901  0.6330311  0.7848932
# 3:     c   0.3497773 -0.9138042  0.7833840
# > models[["resp2"]]
# label (Intercept)         x1        x2
# 1:     a -0.89177938  1.1053718 0.8886103
# 2:     b -0.45480510 -0.5146982 1.5587663
# 3:     c -0.04379456 -0.9792022 0.8691384

使用 data.table 的多元线性回归模型和使用 grep 的模式

Multiple linear regression models using data.table and patterns with grep

regression

r

data.table