运行嵌套tibble的回归
是指在统计分析中使用嵌套tibble数据结构进行回归分析。嵌套tibble是一种数据结构，它允许在一个表格中嵌套包含另一个表格的列。回归分析是一种统计方法，用于研究一个或多个自变量与一个因变量之间的关系。
在运行嵌套tibble的回归中，我们可以将嵌套tibble中的每个子表格视为一个独立的回归样本，从而可以分别对每个子表格进行回归分析。这样做的好处是可以同时考虑多个因素对因变量的影响，同时还可以探索子表格之间的差异和相似之处。
嵌套tibble的回归在许多应用场景中都很有用。例如，在教育研究中，可以使用嵌套tibble的回归来研究不同学校之间学生成绩与各种因素的关系。在医学研究中，可以使用嵌套tibble的回归来研究不同病人的治疗效果与各种治疗因素的关系。
腾讯云提供了一些与嵌套tibble的回归相关的产品和服务。例如，腾讯云的数据分析服务可以帮助用户进行回归分析并处理嵌套tibble数据。用户可以使用腾讯云的数据分析引擎来运行嵌套tibble的回归，并且可以通过腾讯云的数据仓库服务来存储和管理嵌套tibble数据。更多关于腾讯云数据分析服务的信息，您可以访问以下链接：
总结：运行嵌套tibble的回归是一种统计分析方法，使用嵌套tibble数据结构进行回归分析。腾讯云提供了相应的产品和服务来支持这种分析方法，并可以帮助用户处理和管理嵌套tibble数据。
相关·内容
1回答
潮间带双重筑巢
、、
使用Wickhams介绍的在R中提供数据科学，我正在尝试创建一个双重嵌套列表。
library(gapminder)
library(purrr)
library(tidyr)
gapminder
nest_data <- gapminder %>% group_by(continent) %>% nest(.key = by_continent)
我如何进一步嵌套这些国家，使nest_data包含by_continent和一个新级别的嵌套by_contry (最终包括Tibbleby_year)？
此外，在为gapminder数据创建此数据结构之后--您将如何从中为每个国
浏览 3提问于2016-08-30得票数 7
回答已采纳
2回答
我通常希望对数据的两个不同子组和多个模型(例如，双变量模型和带有控件的模型)运行相同的回归。在我看来，嵌套、映射和整理的purrr/tidyr/broom工作流应该能很好地工作。我了解如何在嵌套工作流中创建子组，但我不知道如何运行多个模型并输出每个模型的有序回归结果列表。
例如：
mtcars %>%
nest(data=-c(vs)) %>%
mutate(
fit = map(data,~lm(mpg ~ cyl, data = .x)),
fit1 = map(data,~lm(mpg ~ cyl + gear + wt, data = .x)),
浏览 4提问于2020-08-03得票数 0
回答已采纳
我的数据集中有大约7000个家庭，每个家庭都有父母的收入和孩子的收入。现在我想对父母的收入和孩子的收入进行简单的线性回归。但是，我需要确保为每个家庭运行此回归。 示例数据集： income_parents <- c(1000, 15000, 4500, 7000, 6500, 2500, 3500, 9000, 1200)
income_children <- c(1200, 7500, 2500, 8000, 5500, 7500, 3250, 7500, 850)
family_name <- c("Miller", "Smith",
浏览 9提问于2020-04-14得票数 1
回答已采纳
1回答
我的数据是由ID指定的大型参与者集合的x值(shift.magnitude)和y值(response.sign)的集合。我使用以下命令分别对每个参与者执行逻辑回归：
do(fitmod = tidy(glm(response.sign~shift.magnitude,family=binomial(link="logit"), data = .))) %>%
unnest(fitmod) %>%
pivot_wider(id_cols = ID, names_from = term, values_from = c(estimate))
我想使用glm
浏览 2提问于2022-05-10得票数 0
我有一个大约500只股票的数据集，以及它们的回报。我想知道是否有一种方法可以生成多个回归输出，一对一关系，从一个因变量到一个独立变量？
例如，这里是一个简单的回归输出，其中一只股票的MSFT与市场比较。有没有一种方法可以将500个变量中的每一个都放入公式的Y分量中，并为每个变量生成新的输出，而不是像下面这样创建多行代码？甚至可以将所有这些数据放到一个表中？
以下是我尝试分组的变量，以简化我的过程：
regression_model <- lm(raw_data$MSFT~raw_data$VFINX, raw_data)
summary(regression_model)
浏览 1提问于2020-08-11得票数 1
1回答
我正在计算45个不同id值的因变量的线性回归的模型输出。如何使用整洁(dplyr，等)完成这个任务的代码？
我有一个包含三个变量data = c(id、distance、actPct)的数据集，使得id == 1:45；-10 <= distance <= 10；0 <= actsPct <= 1。
我需要在model0n的每个值上运行一个回归( id )，这样model0n就有了一个新的tibble/df。我已经完成了一次回归：
model01 <- data %>%
filter(id == 1) %>%
filter(distance <
浏览 3提问于2019-01-14得票数 0
回答已采纳
1回答
我想做一个方程逐个方程工具变量(IV)回归与控制函数在R (使用tidyverse和broom)。我想要基于一个带有因变量的分组数据框架来实现这一点，y，一个内生变量，x，这个内生变量的工具，z1，和一个外生变量z2。按照两阶段最小二乘(2SLS)方法，我将运行：(1)在z1和z2上回归x，以及(2)在x、z2和v上回归y (从(1)开始的残差)。有关此方法的详细信息，请参阅：。不幸的是，我无法在没有错误的情况下运行第二次回归(见下文)。
我的数据如下：
df <- data.frame(
id = sort(rep(seq(1, 20, 1), 5)),
group = rep
浏览 8提问于2021-12-06得票数 1
回答已采纳
我需要运行600多个回归，每个回归都在不同的MECE数据组上运行(组的值为{1,2，...,623})。从每个回归，我需要存储所有自变量的系数估计。我通过回溯(见下文)能够做到这一点；但是，我发现这个过程很慢，我相信还有一个更好的方法：
# loop prep
formula <- "dv ~ iv_1 + iv_2 + iv_3 | fe"
ols_stored_coef <- matrix(0, 623, 3)
ols_stored_coef <- as.data.frame(ols_stored_coef )
# loop
for(i in 1:623
浏览 6提问于2022-11-16得票数 2
回答已采纳
1回答
我正在寻找一种在R中用扫帚和dplyr进行“多步”回归的方法，我使用“多步”作为回归分析的占位符，在回归分析中，您可以将以前回归模型的最终回归模型元素(如拟合或残差)进行集成。这种“多步”回归的一个例子是工具变量(IV)回归的2 2SLS方法。
我的(分组)数据如下所示：
df <- data.frame(
id = sort(rep(seq(1, 20, 1), 5)),
group = rep(seq(1, 4, 1), 25),
y = runif(100),
x = runif(100),
z1 = runif(100),
z2 = runif(100)
浏览 4提问于2021-12-09得票数 2
回答已采纳
我试图按组运行回归，然后将回归模型对象传递给另一个函数。
library("lmtest")
library("broom")
library("tidyr")
library("dplyr")
library("purrr")
fitted_models <- mtcars %>%
group_by(gear) %>%
do(fit = lm(mpg ~ ., data = .),
test = coeftest(fit)) # from lmtest
浏览 0提问于2018-03-01得票数 3
回答已采纳
1回答
R:将预测添加到逐行线性回归中。
、、、、
我有三个数据集，其中一个可以生成如下：
library(dplyr)
library(tidyr)
# Simulate x data
countries = LETTERS[1:3]
mat_x = matrix(runif(27, 0, 100), nrow = 3)
colnames(mat_x) = 2012:2020
df_x = bind_cols(country = countries, mat_x)
df_x
# # A tibble: 3 × 10
# country `2012` `2013` `2014` `2015` `2016` `201
浏览 3提问于2022-08-03得票数 0
回答已采纳
3回答
R循环残差回归
、、、
data(mtcars)
head(mtcars)
Y = c("mpg")
X = c("cyl", "disp", "hp")
for(V in 1:length(X)){
MODEL=lm(Y~X[V],data=mtcars)
mtcars$paste(X[V], "residual")=MODEL$resid
}
我有数据mtcar，并希望估计许多回归模型，并将残差作为新变量存储在数据mtcar中。我在下面提供了一个例子。基本上，我希望分别回归所有三个变量预测器上的'mpg‘变量，因此生
浏览 4提问于2021-10-09得票数 1
1回答
我列出了14个因变量，其中我正在运行相同的回归模型(相同的模型类型，相同的自变量)。我使用gather作为单个outcome变量获取所有因变量，在该变量上运行tbl_uvregression或tbl_regression，然后使用gtsummary包中的tbl_stack来组织输出。我试图弄清楚如何使用每个模型的outcome变量的值来命名每个表。我知道我可以将一个名称列表传递给tbl_stack(group_header)，但是我注意到这很容易出错，因为我必须小心outcome变量中的值是如何排列的，然后确保我按相同的顺序输入它们，而且我已经犯了很多错误，所以我担心这种方法。有没有一种方法可
浏览 2提问于2021-03-07得票数 2
回答已采纳
2回答
我有一个数据，让我们称它为因变量，各种自变量(指标)和过滤变量。我的目标是通过过滤变量中的不同类别来运行回归。例如，如果我想为code == "all"运行回归，我只需取我的数据，过滤代码，并运行一个回归：
sample_tib %>%
filter(code == "all") %>%
glm(love ~ ., data = ., family = "gaussian")
但是，我面临着几个问题：
在我的示例中，--我的glm()将接受所有列，不包括code。回归的理想输入是love ~ ind1 + ind2 +
浏览 3提问于2021-06-17得票数 2
回答已采纳
3回答
使用菱形数据集，我正在尝试运行回归模型，将颜色"D“与每个级别的cut中的其他颜色进行比较(而不指定回归模型中的交互)。
为此，我尝试创建按剪切和颜色分组的嵌套数据帧，但在每个组中，我需要适当剪切的参考颜色"D“。
下面的代码不是我想要的，因为每组颜色都不包含颜色"D"：
library(tidyverse)
> diamonds %>%
+ group_by(cut, color) %>%
+ nest() %>% arrange(cut, color)
# A tibble: 35 x 3
cut
浏览 4提问于2018-08-08得票数 0
回答已采纳
1回答
我试图在R中的一个数据帧上运行多重回归，但在如何迭代每列中的每个字符串时，我有很多令人困扰的想法。 我有以下数据帧： Category Zone Season P1 P2 P3 Value
-------------------------------------------------------------
Blue D1 Winter 1 4 4 55
Blue D1 Winter 3
浏览 10提问于2021-09-02得票数 1
正如所解释的，我们可以使用来自broom包的tidy函数来跨组运行回归。例如，下面列出了iris dataset的演示代码，但是如果我们打算同时遍历多列并使用不同的因变量(Sepal.Length、Sepal.Width、Petal.Length)和这个group_by操作运行回归，我如何将(S)应用函数集成到这种情况中并获得这些回归模型(3*3=9)的结果呢？
library(dplyr);library(broom)
res1=iris%>%
group_by(Species)%>%
do(res=lm(Sepal.Length~Petal.Width,data=.))
tid
浏览 0提问于2019-07-26得票数 1
回答已采纳
1回答
在典型的情况下，我使用map
out <- map(data_list, ~fo(arg1 =.))
如果fo()返回对函数的调用(就像在out[[1]]$call中那样)，它将包含arg1=.，但是如果稍后重新使用call输出(例如下面的例子)，这可能会导致问题。我怎么能得到类似于arg1=data_list[[1]]的东西，即.被计算(或者传递给，不确定如何调用它)？
示例：使用map运行lm()回归，使用data=.运行lm()回归，即map(data, ~lm(f, data = .))。然后尝试更新回归。这将不起作用，因为update()将查找out$call$data并找到.
浏览 0提问于2018-10-12得票数 2
2回答
我需要对每个行业-季度组合进行多次回归，例如金融公司在每一个时间段的回归，如1999第3季度、1999年第4季度、2000年第1季度、2000年第2季度.还有公用事业公司、零售公司、食品公司等。
我需要运行回归，然后将回归中的所有系数收集到一个列表中，这样我就可以将列表追加到原始数据框架中，这样我就有了相应的系数。
例如，在下面的数据集中，我希望运行回归Y= x1 + x2 + x3，我尝试使用For循环和嵌套循环，并将系数收集到一个矩阵中，但我似乎无法使它工作(我是一个R新手！)
我有一个面板数据集，如下所示:公司名称、行业、日历季度和几个变量：
`Company
浏览 5提问于2020-06-05得票数 0
回答已采纳
2回答
如何替换矢量整理器
、、、、
我正在寻找另一个函数，它可以在broom::tidy()函数被删除后替代它。下面是扫帚包装警告的内容：
整洁的原子矢量清理器被废弃，并将从即将发布的扫帚中移除。
以下是对功能的描述：
tidy()生成一个tibble()，其中每一行都包含有关模型的一个重要组件的信息。对于回归模型，这通常对应于回归系数。如果您想检查模型或创建自定义可视化，这可能很有用。
谢谢你，
约翰
浏览 4提问于2020-08-26得票数 2
1回答
food_consumption %>%
group_by(food_category) %>%
summarise(mod= lm(co2_emmission ~ consumption))
运行这段代码后，我得到了折叠错误。
错误:列mod必须为长度1(摘要值)，而不是12
我如何才能使它正确，并得到每一个大灾难的回归结果？
浏览 0提问于2020-02-29得票数 1
3回答
整齐的多元回归
、、、
db = tibble(a = rnorm(100), b = rnorm(100), c = rnorm(100))
如果我想要一个整齐的多元线性回归，我可以去
lm(data = db, 0 + a ~ b + c) %>% tidy()
但是如果我想要多个单变量回归，我会去
lm(data = db, a ~ 0 + b) %>% tidy() %>%
add_row(lm(data = db, a ~ 0 + c) %>% tidy())
现在，考虑到许多回归者列，我想避免将每一个回归者编码为一个新的add_row，我应该如何使代码更加合成呢？
这里有一个部
浏览 13提问于2022-03-27得票数 1
回答已采纳
我有一个由93个变量的308个观察值组成的R数据帧(即，组织成93列的308行数据)。一列是位置，有19个因素，另一列是观察日期。其余91列(3到93)包含各种化学品的浓度测量。 我想针对采样日期(x变量)对浓度测量值(y变量)的每一列应用最小二乘回归(lm函数)，并按位置对回归进行分组。 我尝试了以下代码，它适用于一列浓度测量，给出了19个列表中每个位置的lm函数结果-但是我如何调整代码，使其在所有91列测量上运行？ df.2 <- split(df, f=df$location)
model_lm <- lapply(df.2, function(x)
浏览 21提问于2021-09-12得票数 0
我有一个由25个因变量(db[,2:26])组成的tibble db和一个解释变量rmrf的向量。我所要做的就是在相同的解释变量上对25个因变量进行一个回归。
我希望获得一个由alpha、betas、t.stat和R2组成的表，从而获得一个由25行组成的矩阵(每个因变量一行)和4列。
然而，尽管这似乎是一个相当简单的问题(我是R的新手)，我还是不明白：
如何巧妙地运行几行代码( loop、apply )中的所有25条回归--如何提取4个所需的数量。
对于第一个问题，我可能有一个解决方案(但不确定！)：
varlist <- names(db)[2:26] #the 25 dependen
浏览 0提问于2020-06-12得票数 0
回答已采纳
我有一个学生属性和考试成绩的数据，我试图拟合每个年级的线性模型(从1到12)。我正在使用扫帚包，以有效地创建一个模型，为每个年级。下面是一个简化的示例数据集和我正在使用的代码。
#start df creation
grade <- rep(1:12, each = 40)
attendance_rate <- round(runif(480, min=25, max=100), 1)
test_growth <- round(runif(480, min = -12, max = 38))
binary_flag <- round(runif(480, min =
浏览 2提问于2020-06-09得票数 1
回答已采纳
2回答
R环线性回归
、、、、
我已经看过论坛，但找不到我要找的东西。
我想做几次简单的线性回归。每次使用不同的列作为我的自变量时，因变量保持不变。在运行它之后，我希望能够从每个回归中提取R平方。我的思维过程是使用一个简单的for循环。然而，我无法使它发挥作用。
假设我使用以下数据：
num value person1 person2 person3
0 1 229 29 81 0
1 2 203 17 75 0
2 3 244 62 0 55
我想使用三个变量在value上运行回归：person1、person2和p
浏览 8提问于2022-03-20得票数 1
回答已采纳
1回答
R中模的多元线性回归
、、、、
我试图使用R闪亮模块来做线性回归。其构想如下：
I有一个模块，它以data.table作为函数的输入。模块UI然后询问线性回归的X和Y变量，单击按钮应该执行线性回归并打印汇总输出。
我尝试了下面的代码，但正在弹出一个我无法修复的错误。
帮帮忙吧。
码
Linear.Regression.UI <- function(id, data.tibble){
ns <- NS(id)
tagList(
actionButton(ns("ClickforRegression"), label = "Click Here to Do Regression
浏览 1提问于2021-10-06得票数 0
回答已采纳
我有一个数据集，类似于下面生成的tb：
x = seq(0, 10, by=.4)
y1 = x + rnorm(x)
y2 = .25 + 1.25*x + rnorm(x)
tb = bind_rows(tibble(x=x, y=y1, z=F), tibble(x=x, y=y2, z=T))
注意，z是一个指示变量。我在R中计算了线性回归：
summary(lm(y ~ x + z, data=tb))
结果是
Call:
lm(formula = y ~ x + z, data = tb)
Residuals:
Min 1Q Median 3Q
浏览 0提问于2021-06-17得票数 1
1回答
使用不同公式的dplyr分组回归
、、、、
我试图将这个问题从这个传递到一个设置，在这个设置中，在R中lm()函数中使用不同的公式。
这里是再现问题的基本设置：
library(dplyr)
library(broom)
library(purrr)
library(tidyr)
# Generate data
set.seed(324)
dt <- data.frame(
t = sort(rep(c(1,2), 50)),
w1 = rnorm(100),
w2 = rnorm(100),
x1 = rnorm(100),
x2 = rnorm(100)
)
# Generate formulas
fm
浏览 11提问于2022-03-15得票数 1
回答已采纳
我正在运行几个回归模型，并希望在一个数据框架中得到结果。我尝试了几种方法，但都失败了。
# Generate some fake data: three responses and eight covariates
df <- data.frame(y1 = rnorm(50), y2 = rnorm(50), y3 = rnorm(50),
aa = rnorm(50), ab = rnorm(50), ca = rnorm(50),
cd = rpois(50, 30), v8 = runif(50))
#
浏览 2提问于2017-02-07得票数 0
我想评估几个回归模型的性能，并使用yardstick包来计算RMSE。以下是一些示例数据
model obs pred
1 A 1 1
2 B 1 2
3 C 1 3
当我运行以下代码时
library(yardstick)
library(dplyr)
dat %>%
group_by(model) %>%
summarise(RMSE = yardstick::rmse(truth = obs, estimate = pred))
我得到以下错误
Summarise_impl中的错误(.data，dots)：对于&
浏览 4提问于2018-01-06得票数 2
回答已采纳
我见过一个列表应用(lapply)的示例，它很好地获取数据对象的列表，并返回回归输出的列表，我们可以将该列表传递给Stargazer以获得格式良好的输出。Using stargazer with a list of lm objects created by lapply-ing over a split data.frame library(MASS)
library(stargazer)
data(Boston)
by.river <- split(Boston, Boston$chas)
class(by.river)
fit <- lapply(by.river, f
浏览 22提问于2017-02-08得票数 4
回答已采纳
2回答
这是一个示例(通常是15x17)，它来自我的数据集，entrepreneur是从read_excel从read_excel导入的
structure(list(Factors = c("Competition", "Cultural Support", "Financing", "High Growth", "Human Capital"), `Baden-Württemberg` = c("0.71", "0.66", "0.81", "0.62",
浏览 3提问于2021-09-17得票数 0
回答已采纳
我试图在R中构建一个列表，其中包含所有的回归者名称，这些名称的p值低于5%的阈值。例如：
第一回归
#gender (male - female)
regr1 <- lm(salary ~ female, data = test)
summary(regr1)
输出第一回归：
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 0.855618 0.001888 453.24 <2e-16 ***
female -0.054514 0.00308
浏览 2提问于2019-02-28得票数 0
1回答
我正在使用"rqpd“包在R中运行以下分位数回归的面板数据：
library(rqpd)
data(bwd)
cre.form1 <- dbirwt ~ smoke + dmage + agesq + novisit + pretri2 +
pretri3 | momid3 |smoke
crem.fit1 <- rqpd(cre.form1, panel(method="cre", taus <- c(0.9)),data=bwd)
rqpd包格式为
我可以通过以下方式获得结果
summary(crem.fit1)
然而，我想知道伪拟合度(拟合优度
浏览 1提问于2019-04-03得票数 0
1回答
我有一个相当大的数据集(大约1200万行)，需要对每一行运行滚动回归，其中包括过去30行的条目。这是一个简单的线性回归，但回归需要考虑两个因素:股票和时间窗口，它需要运行。我已经想出了一种方法来运行我的1200万次回归，但不幸的是，这需要太长的时间。lm()做了太多的工作，因为我只需要截距和回归系数，但是对于更简单的线性回归，例如lmfit/lm.fit/lmList等等，到目前为止，我还没有能够包含我的两个条件。我也试图并行回归，但我没有成功，因为我是一个初学者。你能帮我加快计算速度吗？
代码：
regression <- df %>%
rowwise
浏览 7提问于2022-01-17得票数 0
我一直在使用logistic回归方法，并且想要用完报告中的几个模型(“块”)，这样我就可以比较它们。
我找到了apa.reg.table，它创建了我希望看到的那种输出，但是，唉，当我运行glm模型时，我会收到错误消息。当我运行回归时，没有这样的错误消息。我特别感兴趣的是通过百分比变化来比较这些块模型，这种变化在常规回归中运行得很好。
问题：
有没有办法用逻辑回归来运行apa.reg.table ?如果没有，有没有人知道可以帮助我达到目标的软件包或技术？
...In在研究这个问题时，运行了虹膜数据库：
data(iris)
然后，...and连续进行了四次逻辑回归：
#Logistic regr
浏览 2提问于2020-04-23得票数 1
2回答
R-使用循环或函数迭代变量名
、、、、
我想使用for循环或R中的函数循环遍历数据帧内的变量。我编写了以下代码(这不起作用)：
y <- c(0,0,1,1,0,1,0,1,1,1)
var1 <- c("a","a","a","b","b","b","c","c","c","c")
var2 <- c("m","m","n","n","n","n","o
浏览 0提问于2018-06-05得票数 0
2回答
R:预测组的新值
、、
我为数据框架中的每一组计算了不同的回归：
DF.L <- DF %>%
group_by(Channel) %>%
do(Fit = rlm(L ~ -1 + Y + I(Y^2), data = .))
我想将这组回归应用于另一个数据帧。为此，我正在测试如何将其应用于相同的数据框架：
DF %>%
group_by(Channel) %>%
do({
Lfit <- predict(subset(DF.L, Channel == unique(.$Channel))$Fit, .)
data.frame(., Lfit)
})
glimps
浏览 1提问于2017-08-24得票数 3
回答已采纳
如何使用dplyr::mutate计算每一行的字符串？
我是R的两个月新手，我正在练习tidyverse来操作数据和运行统计。
我尝试运行多个线性回归，并获得每个回归变量的p值。
以下是可重现的样本；
require(tidyverse)
df <-
tibble(serialNO = seq(1,10,1),
lactate = c(1.3, 1.6, 2.6, 3.5, 1.2, 1.1, 3.6, 3, 1.9, 5.3),
BMI = c(20, 27, 23, 25, 23, 23, 20, 24, 19, 23),
浏览 1提问于2020-05-13得票数 2
2回答
R中多元回归模型和数据子集的迭代
、、、、
我正在尝试学习如何使用R中的purrr和broom包在dataset子集上自动运行3个或更多的回归模型，我这样做是考虑到nest %>% mutate(map()) %>% unnest()流。
当只有一个回归模型应用于多个数据子集时，我可以在线复制示例。然而，当我的函数中有一个以上的回归模型时，我会遇到问题。
我想做的事
library(tidyverse)
library(broom)
estimate_model <- function(df) {
model1 <- lm(mpg ~ wt, data = df)
model2 <- lm(mpg
浏览 1提问于2020-01-02得票数 5
回答已采纳
1回答
我只是尝试计算一个不同数据集上的预测(拟合值)，该回归模型是使用dplyr和增强函数构建的。然而，我一直收到错误。即使不使用dplyr，增强函数似乎也只接受构建模型所基于的数据集。有没有解决这个问题的办法？下面是我的一个尝试。谢谢。 data1 <- head(mtcars,20)
model <- mtcars %>%
group_by(cyl) %>%
do(fit = lm(wt ~ mpg, .),
data = (.)) %>%
augment(fit, data1)
浏览 45提问于2020-12-31得票数 0
回答已采纳
1回答
我有一个有4列的DF。第一栏是站，其余三栏是时间、工作日和人数。我的目标是对每个站进行回归(Glm)。我觉得列个单子会更简单还是更简单？我的问题是，我如何做一个列表，我如何做回归(Glm)对每个站使用该列表？
我的Df看起来如下：
这是我的DF的照片
示例代码：
TrainStation为chr，工作日和timeOfday为因子，NumberOfPassenger为num。
TrainStation<-c("East","North","East","North","North","Ce
浏览 0提问于2019-05-15得票数 0
2回答
是否有一种方法来计算个人的回归系数，而不是只计算一个群体的回归系数。计算一个很小样本的回归系数？
背景
我的目标是测试不同的方法来聚集/分割一群人。在所讨论的领域中，用于分段的最佳变量将是最能表达个人在某些属性上的重要性的变量。
然而，我没有对这一重要性的直接衡量。我要做的是，根据属性等级的shapley值回归和最终的应答选择，对整个样本进行间接测量。
很明显，我问了几个人，他们会如何评价一个品牌的属性，以及他们最终会选择哪个品牌。
现在，我想知道是否也有可能在个人层面上获得这种间接重要性衡量，这意味着：
从整体回归模型中提取单个系数估计量(我认为这是不可能的)
计算每个人的回归(不知道如何做
浏览 0提问于2020-06-08得票数 1
我有一个data.frame：
set.seed(12345)
df <- data.frame(
p=c(rep("A", 39), rep("B",61)),
x=rnorm(100, 34, 20),
y=rnorm(100, 21, 25))
如何获得以下四个变量：
斜率来自A组的简单线性回归线(比较x与y)。斜率来自B组的简单线性回归线(比较x与y)。A组简单线性回归线斜率的标准误差(比较x~ y)。B组简单线性回归线斜率的标准误差(比较x与y).
浏览 6提问于2021-08-02得票数 0
回答已采纳
2回答
申请
、、
我试图将线性回归应用于数据帧列表，并对特定值进行筛选。例如，有一个Iris数据帧列表，我试图为Sepal.Length ~ Sepal.Width运行一个回归，每个物种运行一个不同的回归。
test <- dlply(iris, "Species", function(x) lm(Sepal.Length ~ Sepal.Width, data = x))
但是我想同时做一个数据列表，而不是单独的。因此，假设我有一个多个虹膜数据帧的列表：
iris1 <- iris
iris2 <- iris
iris3 <- iris
iris_list <
浏览 2提问于2021-10-15得票数 0
回答已采纳
我想使用creatFolds函数和特定的set.seed运行一个回归模型。
我可以在没有错误的creatFolds函数的情况下运行回归模型。
弗里德曼数据集可以找到
wdbc <- read_csv("friedman.dat", col_names = FALSE, skip = 10)
wdbc[] <- lapply(wdbc, scale)
不含 createFolds函数的回归模型createFolds
lm(X6 ~ ., data = wdbc)
Call:
lm(formula = X6 ~ ., data = wdbc)
浏览 5提问于2020-04-07得票数 2
回答已采纳
1回答
我有一个数据集，我正在用线性回归(只是通过geom_smooth())来绘制。我还列出了其他线路的坡度和截距。我想知道测试这些其他行是否落入回归的CI中的最好方法是什么。真正的数据集将有许多行要测试，所以我希望有一些方法可以集体测试。 library(tidyverse)
# sample data
set.seed(0)
df = tibble(
x = runif(20,min=5,max=10),
y = x + rnorm(20,mean=2,sd=3)
)
# df of lines
lines.df <- data.frame(line = c("
浏览 10提问于2020-04-29得票数 2
回答已采纳
1回答
我有一个包含数千行的数据框架，但为了简单起见，让我们考虑它有10行。考虑到10种不同的蛋白质对几个患者进行了测量，并在以下数据中列出了平均值。
proteins Year.1 Year.2 Year.4 Year.5
1 p1 1.90 2.30 2.40 2.80
2 p2 0.90 1.20 1.50 1.90
3 p3 2.30 5.20 6.20 8.70
4 p4 2.10 2.20 2.50 2.60
5 p5 1.85 1.92 1.9
浏览 5提问于2022-02-27得票数 1
回答已采纳
1回答
R中数据帧的回归
、、
嘿，我有以下测试数据：
test = data.frame(Date = c(as.Date("2010-10-10"), as.Date("2010-10-10"), as.Date("2010-12-10"), as.Date("2010-12-10")), Rate = c(0.1, 0.15, 0.16, 0.2), FCF = c(100,200,150,250))
现在我想按日期将数据分组，在每个组中进行线性回归FCF~Rate，然后在每个组中执行这些回归，以获得每个日期和比率的回归值。我有以下代码：
output =
浏览 3提问于2021-05-05得票数 2
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
