一致的 LM 模型然后预测 - 循环数据直接在 lm 和预测函数中进行子集

如何解决一致的 LM 模型然后预测 - 循环数据直接在 lm 和预测函数中进行子集

我希望有一种半简单的方法来实现这一点。

为此，我构建了一个示例数据集（CountryCode 是国家名称的代理——我只是想证明一个示例数据集以帮助理解问题）；

```
set.seed(20)
House <- data.frame(Price = sample(350000:625000,200,replace=TRUE),LotSize = sample(5000:45000,SqFt = sample(18000:32000,Bedroom = sample(3:5,HomeAge = rnorm(200,mean=15,sd=5),CountryCode = sample(300:305,replace=TRUE))
```

我有一个类似于下面的线性模型；

model<-lm(HomePrice ~ LotSize+SqFt+Bedroom+HomeAge,data=House[House$CountryCode==300,])

如果我想运行相同的模型，但是在每个国家/地区代码的循环中运行（因此 x 会根据国家/地区代码更改），可以这样做吗？

由于汇率的原因，HomePrice 的值不是典型的连续因子；美国 (USD) 的 300,000 价格与法国 (EUR) 的 300,000 价格不同。甚至 300,000 欧元在欧洲也会有所不同。但是，如果模型中只考虑模型建立在同一个国家，价格就会有一个连续的方面。

基本上，一个循环，其中 i=CountryCode 和循环将执行 model_i<-lm(HomePrice ~ LotSize+SqFt+Bedroom+HomeAge,data=House[House$CountryCode==i,])，它基于 i（或每个 CountryCode）的子集运行并将其保存为 model_i(each Country)

我最希望看到的最终结果是；

```
model_300<-lm(HomePrice ~ LotSize+SqFt+Bedroom+HomeAge,])

model_301<-lm(HomePrice ~ LotSize+SqFt+Bedroom+HomeAge,data=House[House$CountryCode==301,])

model_302<-lm(HomePrice ~ LotSize+SqFt+Bedroom+HomeAge,data=House[House$CountryCode==302,])
```

是否可以使用类似的循环来进行预测？

```
predict_i<-predict(model_i,newdata=(House[House$CountryCode==i,]),interval="confidence",level=.70)
````

我希望这是有道理的。

编辑 - 所以我越来越近了（我认为），但是希望能得到一些帮助以帮助它越过终点线；

set.seed(20)
House <- data.frame(Price = sample(350000:625000,replace=TRUE))

Country<-unique(House$CountryCode)
n=length(Country)
  for (i in 1:length(Country)) {
  Country[i]->Testing
    allModels = lapply(Country,function(x){
  lm(Price~Bedroom,data=House[House$CountryCode==Testing,])})}

对于最后一个“Testing”实例或在本例中为 305，它运行模型六次。

解决方法

我能够通过下面的代码让它按照我想要的方式工作；

Country<-unique(House$CountryCode)
CountryCodeModel <- list()
for (i in 1:length(Country)) {
  Model<-lm(Price~LotSize+SqFt+Bedroom+HomeAge,data=House[House$CountryCode==Country[i],])
  CountryCodeModel[[i]] <- summary(Model)}
names(CountryCodeModel) = Country