R - 不同数据帧中变量的线性线性回归

Question

我有 4 个大小相同的大矩阵 A、B、C 和 D。每个矩阵有 n 个样本（列）和 n 个观测值（行）。

A <- structure(list(S1 = c(0L, 0L, 1L, 1L), S2 = c(0L, 1L, 0L, 0L), S3 = c(0L, 0L, 0L, 1L)), class = "data.frame", row.names = c("Ob1", "Ob2", "Ob3", "Ob4"))
#        S1  S2  S3
# Ob1     0   0   0
# Ob2     0   1   0
# Ob3     1   0   0
# Ob4     1   0   1

B <- structure(list(S1 = c(0L, 1L, 1L, 1L), S2 = c(0L, 8L, 0L, 0L), S3 = c(0L, 0L, 0L, 1L)), class = "data.frame", row.names = c("Ob1", "Ob2", "Ob3", "Ob4"))
#        S1  S2  S3
# Ob1     0   0   0
# Ob2     1   8   0
# Ob3     1   0   0
# Ob4     1   0   1

C <- structure(list(S1 = c(0L, 0L, 4L, 1L), S2 = c(2L, 1L, 0L, 2L), S3 = c(0L, 0L, 0L, 1L)), class = "data.frame", row.names = c("Ob1", "Ob2", "Ob3", "Ob4"))
#        S1  S2  S3
# Ob1     0   2   0
# Ob2     0   1   0
# Ob3     4   0   0
# Ob4     1   2   1

D <-  structure(list(S1 = c(0L, 0L, 4L, 1L), S2 = c(8L, 1L, 5L, 0L), S3 = c(0L, 0L, 0L, 1L)), class = "data.frame", row.names = c("Ob1", "Ob2", "Ob3", "Ob4"))
#        S1  S2 S3
# Ob1     0   8   0
# Ob2     0   1   0
# Ob3     4   5   0
# Ob4     1   0   1

每个矩阵包含一个不同的变量。我想对每个样本和矩阵观察执行 4 个变量的线性回归。我不想在样本和观察值的任何组合之间进行线性回归，只是矩阵 A 中第 1 列和第 1 行形式的成对回归将与矩阵 B、C 和 D 中的第 1 列和第 1 行相匹配；第 2 列和第 2 行加上第 2 列和第 2 行，依此类推。

lm 型号：

lm(A ~ B * C + D)

我要：

lm(A$S1_Obs1 ~ B$S1_Obs1 * C$S1_Obs1 + D$S1_Obs1)
lm(A$S1_Obs2 ~ B$S1_Obs2 * C$S1_Obs2 + D$S1_Obs2)
lm(A$S1_Obs3 ~ B$S1_Obs3 * C$S1_Obs3 + D$S1_Obs3)

lm(A$S2_Obs1 ~ B$S2_Obs1 * C$S2_Obs1 + D$S2_Obs1)
lm(A$S2_Obs2 ~ B$S2_Obs2 * C$S2_Obs2 + D$S2_Obs2)
lm(A$S2_Obs3 ~ B$S2_Obs3 * C$S2_Obs3 + D$S2_Obs3)

...

感谢任何帮助。

Answer 1

我们可以使用asplit按行拆分，然后通过循环Map

中的每个拆分元素来构建线性模型

out <- Map(function(a, b, c, d) lm(a ~ b * c + d),
      asplit(A, 1), asplit(B, 1), asplit(C, 1), asplit(D, 1))

Answer 2

这里有一个使用 purrr 包的方法，它也可以分配名称：

library(purrr)
seq_along(A) %>%
  map(~ lm(A[.] ~ B[.] * C[.] + D[.])) %>%
  set_names(map(seq_along(.),
                ~ arrayInd(.x, dim(A)) %>%
                    paste(collapse = "_")))

R - 不同数据帧中变量的线性线性回归

R - Linear linear regression with variables in different dataframes

r

matrix

lm