R将回归模型拟合为函数

如何解决R将回归模型拟合为函数

我想快速提取回归模型对函数的拟合度。

所以我想从这里得到

# generate some random data
set.seed(123)
x <- rnorm(n = 100,mean = 10,sd = 4)
z <- rnorm(n = 100,mean = -8,sd = 3)
y <- 9 * x - 10 * x ^ 2 + 5 * z + 10 + rnorm(n = 100,30)


df <- data.frame(x,y)
plot(df$x,df$y)

model1 <- lm(formula = y ~ x + I(x^2) + z,data = df)
summary(model1)

到model_function(x)，它描述了我的拟合值。

我当然可以用这种方式手工完成：

model_function <- function(x,z,model) {
  fit <- coefficients(model)["(Intercept)"] + coefficients(model)["x"]*x + coefficients(model)["I(x^2)"]*x^2 + coefficients(model)["z"]*z
  return(fit)
}

fit <- model_function(df$x,df$z,model1)

我可以将其与实际拟合值进行比较，并且（带有一些舍入误差）可以完美地工作。

all(round(as.numeric(model1$fitted.values),5) == round(fit,5))

但是，这当然不是通用解决方案（例如，更多变量等）。

因此请明确： 是否有一种简便的方法来提取拟合值关系作为带有刚刚估计的系数的函数？

注意：我当然知道predict以及从新数据生成拟合值的能力-但我确实在寻找该基础功能。也许可以通过predict吗？

感谢您的帮助！

解决方法

以下任何一项都可以提供合适的值：

fitted(model1)

predict(model1)

model.matrix(model1) %*% coef(model1)

y - resid(model1)

X <- model.matrix(model1); X %*% qr.solve(X,y)

X <- cbind(1,x,x^2,z); X %*% qr.solve(X,y)

其中任何一个都会给出任何特定x和z的预测值：

cbind(1,z) %*% coef(model1)

predict(model1,list(x = x,z = z))

,

如果您想使用实际功能，可以执行以下操作：

get_func <- function(mod) {
  vars <- as.list(attr(mod$terms,"variables"))[-(1:2)]
  funcs <- lapply(vars,function(x) list(quote(`*`),1,x))
  terms <- mapply(function(x,y) {x[[2]] <- y; as.call(x)},funcs,mod$coefficients[-1],SIMPLIFY = FALSE)
  terms <- c(as.numeric(mod$coefficients[1]),terms)
  body <- Reduce(function(a,b) as.call(list(quote(`+`),a,b)),terms)
  vars <- setNames(lapply(seq_along(vars),function(x) NULL),sapply(vars,as.character))
  f <- as.function(c(do.call(alist,vars),body))
  formals(f) <- formals(f)[!grepl("\\(",names(formals(f)))]
  f
}

哪个允许：

my_func <- get_func(model1)

my_func
#> function (x = NULL,z = NULL) 
#> 48.6991866925322 + 3.31343108778127 * x + -9.77589420188036 * I(x^2) + 5.38229596972984 * z
<environment: 0x00000285a1982b48>

和

my_func(x = 1:10,z = 3)
#> [1]   58.38361   32.36936  -13.19668  -78.31451 -162.98413 -267.20553 
#> [7] -390.97872 -534.30371 -697.18048 -879.60903

和

 plot(1:10,my_func(x = 1:10,z = 3),type = "b")

目前，这不适用于交互条件等，但应适用于大多数简单的线性模型