dplyr软件包中的多条件线性回归

假设我有20辆车，每辆车测试了10次，在每次测试中，根据行驶路线距离定义了多个路段

对于每个车辆id+测试id+路段组合，我想得到高度与路线距离回归的简单线性回归斜率

使用R中的

dplyr

包，我认为类似的东西应该可以工作：

dataset <- dataset %>%
group_by (veh_id, test_id, segment) %>%
do(data.frame(mod = coef(lm(height ~ distance,data = .))[2])) %>%
left_join(dataset,.)

dataset%
分组依据（车辆id、测试id、区段）%>%
do（data.frame（mod=coef（lm（高度~距离，数据=））[2]））%>%
左联合（数据集，）

但错误报告如下：

lm.拟合误差（x，y，偏移=偏移，singular.ok=singular.ok，…） ：0（非NA）例

我回顾了我的数据，有一些NAs用于“高度”变量

---

有没有办法通过排除高度上的NAs来执行代码？

避免在

lm（）

函数中排除

NA

s。相反，好的做法是将清洁步骤与建模步骤分开。例如，您可以使用

tidyr

包中的

drop\u na（）

函数从数据集中删除包含缺失值的行。下面我以内置的

空气质量

数据集为例：

library(tidyr)
dataset <- airquality %>% drop_na()

> nrow(airquality) - nrow(dataset)
[1] 42

library（tidyr）
数据集%drop_na（）
>nrow（空气质量）-nrow（数据集）
[1] 42

在lm函数中添加

na.action=na.exclude

。