0

我有这个data.frame：

df <- data.frame(a=rnorm(500),b=rnorm(500),c=rnorm(500),
      d=rnorm(500),e=rnorm(500),f=rnorm(500),g=rnorm(500))

我运行分位数回归：

library(quantreg)
a<-rq(a~g,tau = 0.5,method="br",data=df)
summary.rq(a)
b<-rq(b~g,tau = 0.5,method="br",data=df)
summary.rq(b)
c<-rq(c~g,tau = 0.5,method="br",data=df)
summary.rq(c)
d<-rq(d~g,tau = 0.5,method="br",data=df)
summary.rq(d)
e<-rq(e~g,tau = 0.5,method="br",data=df)
summary.rq(e)
f<-rq(f~g,tau = 0.5,method="br",data=df)
summary.rq(f)
g<-rq(g~g,tau = 0.5,method="br",data=df)
summary.rq(g)

例如：

summary.rq(a)
Call: rq(formula = a ~ g, tau = 0.5, data = df, method = "br")

tau: [1] 0.5

Coefficients:
            coefficients lower bd upper bd
(Intercept)  0.12940      0.04870  0.17940
g           -0.02131     -0.08078  0.05370

我想建立一个这样的矩阵：

Matrix.Parameters.Interval<-matrix(0,7,6)

第一行将与第一个模型相关。在第一列中是截距参数，2º 和 3º 列是它的置信区间（我将从summary输出中提取），4º 列是可变参数，在 5º 和 6º 列中是它的区间（我将从summary输出中提取）

4

1 回答 1

2 
modList <- list(a,b,c,d,e,f,g)

从模型中提取信息并将其重新格式化为 1 行矩阵的函数，其中关于截距（第一行）的信息作为矩阵的前半部分，关于斜率的信息作为后半部分......

tmpf <- function(model) {
    matrix(coef(summary(model)),nrow=1,byrow=TRUE)
}

在列表的每个元素上运行：

t(sapply(modList[1:5],tmpf))

这t()是必要的，因为sapply总是以列方式返回结果。

这仅适用于前 5 个模型；第 6 个模型是奇异的，因为预测变量和响应是相同的。

一个更系统的方法来做到这一点：

tmpf2 <- function(respvar) {
   fit <- rq(reformulate("g",response=respvar),
            tau = 0.5,method="br",data=df)
   matrix(coef(summary(fit)),nrow=1,byrow=TRUE)
}
t(sapply(names(df)[1:5],tmpf2))

这样您就不必重复代码（DRY="不要重复自己"），并且您不会让所有适合的模型弄乱您的工作空间。

于 2016-05-09T15:05:53.273 回答