R 使用apply（）通过多个因变量迭代线性回归模型

我正在计算45个不同id值的因变量的线性回归的模型输出。如何使用tidy（dplyr、apply等）代码来实现这一点

---

我有一个包含三个变量的数据集，

data

=

c（id

，

distance

，

actPct）

，这样

id

==1:45-10您可以使用

tidyverse

中的

map

使用

groupby

、

nest

和

mutate

来完成以下操作：

data01 %>% 
  group_by(id) %>% 
  nest() %>% 
  mutate(models = map(data, ~ lm(actPct ~ distance, data = .x)))

# A tibble: 41 x 3
#       id data             models  
#    <int> <list>           <list>  
#  1    42 <tibble [3 x 2]> <S3: lm>
#  2    43 <tibble [4 x 2]> <S3: lm>
#  3    13 <tibble [2 x 2]> <S3: lm>
#  4    38 <tibble [4 x 2]> <S3: lm>
#  5    29 <tibble [2 x 2]> <S3: lm>
#  6    24 <tibble [5 x 2]> <S3: lm>
#  7    34 <tibble [5 x 2]> <S3: lm>
#  8     7 <tibble [3 x 2]> <S3: lm>
#  9    30 <tibble [2 x 2]> <S3: lm>
# 10    32 <tibble [2 x 2]> <S3: lm>
# ... with 31 more rows

data01%>%
分组依据（id）%>%
嵌套（）%>%
变异（模型=地图（数据，~lm（actPct~距离，数据=.x）））
#A tibble:41 x 3
#id数据模型
#                  
#  1    42  
#  2    43  
#  3    13  
#  4    38  
#  5    29  
#  6    24  
#  7    34  
#  8     7  
#  9    30  
# 10    32  
# ... 还有31行

另请参见R for R中关于许多模型的数据科学章节：

数据

set.seed(42)
id <- sample(1:45, 100, replace = T)
distance <- sample(-4:4, 100, replace = T)
actPct <- runif(100, min = 0, max = 1)
data01 <- tibble(id = id, distance = distance, actPct = actPct)

set.seed（42）
id您可以使用
tidyverse
中的
group\u by
、
nest
和
mutate
与
map
来完成以下操作：

data01 %>% 
  group_by(id) %>% 
  nest() %>% 
  mutate(models = map(data, ~ lm(actPct ~ distance, data = .x)))

# A tibble: 41 x 3
#       id data             models  
#    <int> <list>           <list>  
#  1    42 <tibble [3 x 2]> <S3: lm>
#  2    43 <tibble [4 x 2]> <S3: lm>
#  3    13 <tibble [2 x 2]> <S3: lm>
#  4    38 <tibble [4 x 2]> <S3: lm>
#  5    29 <tibble [2 x 2]> <S3: lm>
#  6    24 <tibble [5 x 2]> <S3: lm>
#  7    34 <tibble [5 x 2]> <S3: lm>
#  8     7 <tibble [3 x 2]> <S3: lm>
#  9    30 <tibble [2 x 2]> <S3: lm>
# 10    32 <tibble [2 x 2]> <S3: lm>
# ... with 31 more rows

data01%>%
分组依据（id）%>%
嵌套（）%>%
变异（模型=地图（数据，~lm（actPct~距离，数据=.x）））
#A tibble:41 x 3
#id数据模型
#                  
#  1    42  
#  2    43  
#  3    13  
#  4    38  
#  5    29  
#  6    24  
#  7    34  
#  8     7  
#  9    30  
# 10    32  
# ... 还有31行

另请参见R for R中关于许多模型的数据科学章节：

数据

set.seed(42)
id <- sample(1:45, 100, replace = T)
distance <- sample(-4:4, 100, replace = T)
actPct <- runif(100, min = 0, max = 1)
data01 <- tibble(id = id, distance = distance, actPct = actPct)

set.seed（42）
根据我的经验，id
apply
通常速度很慢。@NelsonGon，谢谢，我以前没有体验过缓慢的
apply
功能。还有什么你更喜欢的吗？我读到的所有内容都表明
apply
比
for loop
快，所以我想尝试一下。你能看看这个问题是否有帮助吗？似乎与您的类似，可能使用
apply
家族的其他成员，但不使用
apply
（个人意见）。
apply
从我的经验来看通常是缓慢的。@NelsonGon，谢谢，我以前没有体验过缓慢的
apply
功能。还有什么你更喜欢的吗？我读到的所有内容都表明
apply
比
for loop
快，所以我想尝试一下。你能看看这个问题是否有帮助吗？似乎与您的类似，可能使用
apply
家族的其他成员，但不使用
apply
（个人意见）。