在线性模型中使用两个矩阵的任何机会

如何解决在线性模型中使用两个矩阵的任何机会

我想知道，是否可以在线性模型中使用两个矩阵作为自变量和响应变量，将列对用于模型计算。

假设两个矩阵分别称为 x 和 y，那么我要计算

lm(y[,1] ~ x[,1])
lm(y[,2] ~ x[,2])
lm(y[,3] ~ x[,3])
etc,

但只需一个电话。

我试过的是

# Make two example matrices
x <- matrix(seq(1,100),nrow = 10)
y <- matrix(seq(1,nrow=10)

# First try
mod1 <- lm(y ~ x)

这只计算y的所有列和x的第一列的线性模型。

另一个想法是使用 apply()

# Second try
mod2 <- apply(x,2,function(x)(lm(y ~ x)))

这将计算 y 的所有列与 x 的所有列的线性模型。 这有点太多了，因为我只想要列对的线性模型。

我可以简单地使用 for 循环

mod_list <- list()

for (i in 1:nrow(x)) {
    mod_list[[i]] <- lm(y[,i] ~ x[,i])
}

这至少可以计算成对模型。

所以。 是否可以使用两个矩阵并计算列对的模型而不使用 for 循环？

额外问题：有没有办法在 predict() 函数调用中使用上面计算出的模型列表，并给它一个矩阵作为新数据？ 是的。将新数据的第一列与第一个模型一起使用，以此类推

我想我会被类似的东西困住

predicted <- matrix(nrow = 10,ncol = 10)
new_x <- matrix(seq(201,300),nrow = 10)

for (i in 1:nrow(x)) {
    mod <- lm(y ~ x,data = data.frame(x = x[,i],y = y[,i]))
    predicted[,i] <- predict(mod,newdata = data.frame(x = new_x[,i]))
}

解决方法

您可以使用 Map。

res <- Map(function(y,x) lm(y ~ x),as.data.frame(x),as.data.frame(y))
stopifnot(identical(as.numeric(res[[4]]$coe),as.numeric(lm(y[,4] ~ x[,4])$coe)))

和 mapply 为 predict 提供所需的矩阵格式。

res2 <- t(mapply(function(k,l) predict(k,newdata=list(x=l)),res,asplit(new_x,2)))
res2
#       1   2   3   4   5   6   7   8   9  10
# V1  201 202 203 204 205 206 207 208 209 210
# V2  211 212 213 214 215 216 217 218 219 220
# V3  221 222 223 224 225 226 227 228 229 230
# V4  231 232 233 234 235 236 237 238 239 240
# V5  241 242 243 244 245 246 247 248 249 250
# V6  251 252 253 254 255 256 257 258 259 260
# V7  261 262 263 264 265 266 267 268 269 270
# V8  271 272 273 274 275 276 277 278 279 280
# V9  281 282 283 284 285 286 287 288 289 290
# V10 291 292 293 294 295 296 297 298 299 300

stopifnot(identical(predict(res[[1]],newdata=list(x=new_x[,1])),res2[1,]))

,

lapply 应该可以工作：

lms <- lapply(1:3,function(z) lm(y[,z] ~ x[,z]))