model.frame.default 中的 R 错误：使用 lm 时对象不是矩阵

Question

对于可重现的例子：

test <- structure(list(IDcount = c(1, 1, 1, 1, 1, 2, 2, 2, 2, 2), year = c(1, 
2, 3, 4, 5, 1, 2, 3, 4, 5), Otminus1 = c(-0.28, -0.28, -0.44, 
-0.27, 0.23, -0.03, -0.06, -0.04, 0, 0.02), N.1 = c(NA, -0.1, 
0.01, 0.1, -0.04, -0.04, -0.04, -0.04, -0.05, -0.05), N.2 = c(NA, 
NA, -0.09, 0.11, 0.06, NA, -0.08, -0.08, -0.09, -0.09), N.3 = c(NA, 
NA, NA, 0.01, 0.07, NA, NA, -0.12, -0.13, -0.13), N.4 = c(NA, 
NA, NA, NA, -0.04, NA, NA, NA, -0.05, -0.05), N.5 = c(NA, NA, 
NA, NA, NA, NA, NA, NA, NA, -0.13)), row.names = c(NA, -10L), groups = structure(list(
    IDcount = c(1, 2), .rows = structure(list(1:5, 6:10), ptype = integer(0), class = c("vctrs_list_of", 
    "vctrs_vctr", "list"))), row.names = 1:2, class = c("tbl_df", 
"tbl", "data.frame"), .drop = TRUE), class = c("grouped_df", 
"tbl_df", "tbl", "data.frame"))

results <- structure(list(IDcount = c(1, 2), N.1 = c(NA, NA), N.2 = c(NA, 
NA), N.3 = c(NA, NA), N.4 = c(NA, NA), N.5 = c(NA, NA)), row.names = c(NA, 
-2L), class = "data.frame")

我正在执行 lm 回归而不截取嵌套 for 循环中的 data frame“测试”，并使用以下代码将系数写入“结果”：

index <- colnames(test) %>% str_which("N.")

betas <- matrix(nrow=length(unique(test$IDcount)), ncol=2)
colnames(betas) <- c("Intercept", "beta")

for (j in colnames(test)[index]) {
  for (i in 1:2) {
    tmp <- test[test$IDcount==i, c("Otminus1", j)]
    if(any(colSums(!is.na(tmp)) == 0)) next
    betas[i,] <- coef(lm(Otminus1 ~ . -1, tmp))
  }
  betas <- data.frame(betas)
  results[[j]] <- betas$beta
}

这非常有效。但我现在想切换出 y 和 x 变量，以便循环中的公式显示为：

betas[i,] <- coef(lm(. ~ Otminus1 -1, tmp))

但是这样做时我收到以下错误消息：

Error in model.frame.default(formula = . ~ Otminus1 - 1, data = tmp, drop.unused.levels = TRUE) :   
Object is not a matrix

我试图通过引入来考虑这一点 as.matrix:

betas[i,] <- coef(lm(. ~ Otminus1 -1, as.matrix(tmp)))

但是在执行此操作时我收到此错误：

Error in model.frame.default(formula = . ~ Otminus1 - 1, data = as.matrix(tmp), : 
 'data' must be a data frame not matrix or an array

我找到了，但我无法将其应用到我的示例中。

Answer 1

点 . 仅适用于公式的 RHS。原因可能是出现的歧义，如果数据集中有两个以上的列（与您的特殊情况相反）。您可以改用 reformulate，这有助于创建用于 lm.

的公式

for (j in colnames(test)[index]) {
  for (i in 1:2) {
    tmp <- test[test$IDcount == i, c("Otminus1", j)]
    if(any(colSums(!is.na(tmp)) == 0)) 
      betas[i, ] <- NA
    else {
      fo <- reformulate(names(tmp)[1], names(tmp)[2], intercept=FALSE)
      betas[i,] <- coef(lm(fo, tmp))
    }
  }
  betas <- data.frame(betas)
  results[[j]] <- betas$beta
}

results
#   IDcount         N.1        N.2       N.3       N.4  N.5
# 1       1 -0.03167421 0.07420163 0.1065183 -0.173913   NA
# 2       2  0.64615385 1.10714286 1.1000000 -2.500000 -6.5

备选方案w/o`for`循环

这里是一种更像 R 的方式，不使用 for 循环。首先，我们为自变量和 IDcounts 创建两个需要的向量。使用 outer 我们 paste 可能的组合由 ,,

分隔

i.vars <- grep("N.", names(test), value=TRUE)
n.IDcount <- 1:2
combs <- outer(i.vars, n.IDcount, paste, sep=",")

给出这个矩阵。

combs
#         [,1]    [,2]   
# [1,] "N.1,1" "N.1,2"
# [2,] "N.2,1" "N.2,2"
# [3,] "N.3,1" "N.3,2"
# [4,] "N.4,1" "N.4,2"
# [5,] "N.5,1" "N.5,2"

现在我们通过 sapply 循环到 combs，在 , 处创建一个 strsplit，使用第一个值作为 IV，第二个值子集 test数据。不可能的迭代会产生错误（IDcount == 1 的 N.5 情况），因此我们使用 tryCatch 并让代码在这种情况下抛出 NA。

res <- sapply(combs, function(v) {
  x <- el(strsplit(v, ","))
  tmp <- test[test$IDcount == x[2], ]
  tryCatch(lm(as.formula(paste0(x[1], "~ Otminus1 - 1")), tmp)$coe,
           error=function(e) NA)
})

最后我们将 result 放入矩阵中。

matrix(res, 2, byrow=TRUE, dimnames=list(n.IDcount, i.vars))
#           N.1        N.2       N.3       N.4  N.5
# 1 -0.03167421 0.07420163 0.1065183 -0.173913   NA
# 2  0.64615385 1.10714286 1.1000000 -2.500000 -6.5

model.frame.default 中的 R 错误：使用 lm 时对象不是矩阵

R Error in model.frame.default: object is not a matrix when using lm

loops

r

matrix

formula

lm

备选方案w/o`for`循环

model.frame.default 中的 R 错误：使用 lm 时对象不是矩阵

R Error in model.frame.default: object is not a matrix when using lm

loops

r

matrix

formula

lm

备选方案w/ofor循环

备选方案w/o`for`循环