我想为分组变量的唯一组合定义的子集自动执行简单的多元回归。我有一个数据框,其中包含几个分组变量 df1[,1:6] 和一些自变量 df1[,8:10] 和一个响应 df1[,7]。
这是数据的摘录。
structure(list(Surface = structure(c(1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L), .Label = c("NiAu", "Sn"), class = "factor"), Supplier = structure(c(1L, 1L, 1L, 2L, 2L, 1L, 1L, 2L, 2L, 2L, 2L), .Label = c("A", "B"), class = "factor"), ParticleSize = structure(c(1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L), .Label = c("3", "5"), class = "factor"), T1 = structure(c(2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L), .Label = c("130", "144"), class = "factor"), T2 = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), .Label = "200", class = "factor"), O2 = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), .Label = "1300", class = "factor"), Shear = c(56.83, 67.73, 78.51, 62.61, 66.78, 60.89, 62.94, 76.34, 70.56, 70.4, 54.15), Gap = c(373, 450, 417, 450, 406, 439, 439, 417, 439, 441, 417), Clearance = c(500.13, 509.85, 495.97, 499.55, 502.66, 505.33, 500.32, 503.28, 507.44, 500.5, 498.39), Void = c(316, 343, 89, 247, 271, 326, 304, 282, 437, 243, 116)), .Names = c("Surface", "Supplier", "ParticleSize","T1", "T2", "O2", "Shear", "Gap", "Clearance", "Void"), class = "data.frame", row.names = c(NA, -11L))
使用 unique(df1[,1:6]) 返回分组变量的 5 个因子组合。所以应该有 5 个子集我应用 lm() 函数。我的电话看起来像这样
df1.fit.by<-with(df1,by(df1,df1[,1:6], function(x) lm(Shear~Gap+Clearance+Void,data=x)))
sapply(df1.fit.by,coef)
问题 1:它返回一个包含 16 个列表条目的列表。显然,它计算了前六个分组变量的所有可能的因子组合。(V5+V6只有on水平,而V1:4在节选中有两个水平水平。导致2^4=16)但它应该只使用数据中真实存在的因素组合。所以我想 by() 不是实现这一目标的正确功能。有什么建议么?
问题 2:我发现引用列索引而不是变量名更容易。所以我最初试图以 lm(df1[,7]~df1[,8]+df1[,9]) 的方式使用我的 lm() 函数。那没有成功。因为我总是访问整个 df1 数据框而不是子集。所以可能我应该将因子组合的行索引传递给 lm() 函数而不是完整的数据框。
我认为问题 1 和 2 的解决方案在某种程度上是相关的,并使用另一个子集函数来解决。如果有人可以尝试解释我的错误在哪里,那就太好了。如果可能的话,我会坚持使用标准包,因为我想提高对 R 的理解。谢谢
编辑:变量赋值中的一个小错误