如何解决如何使用向量化在行和列上运行许多回归
我想对列中的多个组运行一系列线性回归。对于跨行的组分层,我可以使用此处建议的想法(Fitting several regression models with dplyr)。除此之外,我还需要在不同的列之间进行回归。参见下面我通过 loop 实现的代码。我想知道是否可以同时使用包 purrr 中的map
函数和 dplyr 包中的group_by
函数以向量化方式完成这两项工作,并且相应地导出估算的beta系数和p值。
library(dplyr)
library(broom)
head(mtcars)
vec<-names(mtcars)[3:9]
data=NULL
for (i in 1:length(vec)){
df<-mtcars%>%
group_by(cyl)%>%
do( fit = lm( paste('mpg ~disp+',vec[i]),data = .))
dfCoef = tidy(df,fit)
res<-dfCoef %>%
filter(term=='disp')
res$con=vec[i]
data=bind_rows(data,res)
}
data
解决方法
使用dummyListMap.add(Map<String,dynamic>.from(mapValue));
按组和辅助函数执行回归可以像这样实现:
tidyr::(un)nest
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。