各因子水平上的R lm
我希望在R中找到一些关于如何编码和如何求解的指导。我有一个简单的数据框架,如下所示:各因子水平上的R lm,r,apply,lm,factors,R,Apply,Lm,Factors,我希望在R中找到一些关于如何编码和如何求解的指导。我有一个简单的数据框架,如下所示: str(pf) 'data.frame': 1536 obs of 4 variables: $ dt : POSIXct $ pfRet : num $ Src : Factor w/6 Levels "ALPA" , "OMEGA", "GAMMA" , .. $ ret : num 我只是想看看这6个不同因素的lm(pfRet~ret)并比较它们。我希望能够得到一个输
str(pf)
'data.frame': 1536 obs of 4 variables:
$ dt : POSIXct
$ pfRet : num
$ Src : Factor w/6 Levels "ALPA" , "OMEGA", "GAMMA" , ..
$ ret : num
我只是想看看这6个不同因素的lm(pfRet~ret)并比较它们。我希望能够得到一个输出,显示每个因子水平的lm的p值排序。我想问一个问题,对于每个因素(α、ω、γ等),哪一个最能解释pfRet和ret之间的关系
从编程的角度来看,可能有一种方法可以得到6个因子级别的向量,然后在帧上应用lm。但我不能让它正常工作。我尝试了以下几点:
GenLm = function(x) {
y=pf[which[(pf$Src==x,)]
return(lm(y$pfRet ~ y$ret )) }
testList = data.frame( Src = as.character(unique( pf$Src ) ) )
testList$lm = apply( ... ?? )
我尝试了apply、ddply等的各种组合。我只是无法将其转换为一种简单的格式,在该格式中可以生成一个显示每个变量的拟合的输出
谢谢,乔希
从更高的角度来看,这是正确的方法吗?这肯定是R用户一直在处理的事情。
lmList
,在nlme
或lme4
软件包中,将开箱即用(它们基本上是等价的,除了lme4
可以处理GLM和线性模型,但在某些情况下可能不太可靠)
例如:
library("lme4")
mm <- lmList(Reaction~Days|Subject,sleepstudy)
summary(mm)
库(“lme4”)
mm参见例如nlme::lmList
也可参见使用dplyr
的结果,例如伙计们,非常感谢。这很有帮助。关于如何对其进行编程,回答这个问题。在概念方面,正确的方法是直接传播数据并进行多元回归吗?如果你有两个因子,它们彼此非常接近,它会给出两个独立变量的部分wt吗?例如,如果您对出租车.票价~行驶里程+汽车.时间
进行回归,那么就残差和p值而言,行驶里程是最合适的。但车里的时间可能很近。那么什么是正确的方法呢?多元回归是正确的方法吗?还是我应该像以前那样,对每个变量进行单独的回归?