R 聚合线性回归

对不起，我对R很陌生，但我有一个多玩家游戏日志的数据框。我试图得到每个球员在所有比赛中得分的斜率系数。我已经看到，

aggregate

可以使用像

sum

和

average

这样的运算符，从线性回归中获取系数也非常简单。我如何组合这些

a <- c("player1","player1","player1","player2","player2","player2")
b <- c(1,2,3,4,5,6)
c <- c(15,12,13,4,15,9)
gamelogs <- data.frame(name=a, game=b, pts=c)

你可以

s <- split(gamelogs, gamelogs$name)

vapply(s, function(x) lm(game ~ pts, x)[[1]][2], 1)
#     player1     player2 
# -0.42857143  0.08241758 

或者，如果您想使用dplyr，您可以这样做

library(dplyr)

models <- group_by(gamelogs, name) %>% 
    do(mod = lm(game ~ pts, data = .))

cbind(
    name = models$name, 
    do(models, data.frame(slope = coef(.$mod)[2]))
)
#      name       slope
# 1 player1 -0.42857143
# 2 player2  0.08241758

库（dplyr）
型号%
do（mod=lm（游戏~pts，数据=））
cbind(
name=型号$name，
do（models，data.frame（slope=coef（.$mod）[2]））
)
#名称坡度
#1播放器1-0.42857143
#2播放器2 0.08241758

库

nlme

也有此功能，

lmList

library(nlme)
coef(lmList(game ~ pts | name, gamelogs))
#        (Intercept)         pts
# player1    7.714286 -0.42857143
# player2    4.230769  0.08241758

---

您还可以使用base

lm

执行一些魔术，一次完成所有操作：

coef(lm(game ~ pts*name - pts, data=gamelogs))[3:4]
coef(lm(game ~ pts:name + name, data=gamelogs))[3:4]
#pts:nameplayer1 pts:nameplayer2 
#    -0.42857143      0.08241758 

作为

数据帧

：

data.frame(slope=coef(lm(game ~ pts*name - pts, data=gamelogs))[3:4])
#                      slope
#pts:nameplayer1 -0.42857143
#pts:nameplayer2  0.08241758

有关

lm

调用中建模的进一步说明，请参见此处：

---

在这种情况下，

pts*name

扩展为

pts+name+pts:name

，当删除

-pts

时，这意味着它相当于

pts:name+name
与
by
，
by（gamelogs，gamelogs$name，function（x）lm（game~pts，x）[[1]][2]类似
@nongkrong-有两种方法-我总是忘记如何表达互动效果等以获得正确的结果。你是说除了你展示的那些之外？就像在没有-/+？@nongkrong-no的情况下说“只保留交互术语”一样，我的意思是我总是忘记这些方法，然后不得不再次查找它们。请看最近的邮件的答案。这是最好的。
coef(lm(game ~ pts*name - pts, data=gamelogs))[3:4]
coef(lm(game ~ pts:name + name, data=gamelogs))[3:4]
#pts:nameplayer1 pts:nameplayer2 
#    -0.42857143      0.08241758 

data.frame(slope=coef(lm(game ~ pts*name - pts, data=gamelogs))[3:4])
#                      slope
#pts:nameplayer1 -0.42857143
#pts:nameplayer2  0.08241758