如何同时对多组数据进行线性回归

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

数据结构如图

第一列 代表不同的人，图中只显示了前两个人。每个人有相应的最后两列数据。我想对每个人的afp.value和time.relative进行回归，以time.relative为自变量，afp.value为因变量：
   afp.value=a+b*time.relative
然后每个人都会产生一对（a,b）.
鉴于我有很多个人，要是把数据按每个人拆分，再分别回归肯定是工作量太大的。
数据文件如下： data.zip (13.23 KB)

2017-8-5 10:17:43 上传

如何快速得到我想要的结果呢？
提前谢谢！

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏2 回帖

关键词：线性回归 Relative value alue time 线性回归

可惜没有论坛币下载你的数据

###求线性回归的系数
xishu=function(a){
  attach(a)
  ###a[，1]表示数据名字的那一列，m就表示名字
  jilu1=a[which(a[,1]=="m"),]
  ###a[，3]，a[,2]表示因变量与自变量
  jilu1$a1=jilu1[,3]
  jilu1$b1=jilu1[,2]
fit=lm(a1~b1,data=jilu1)
jilu2=a[which(a[,1]=="f"),]
jilu2$a1=jilu2[,3]
jilu2$b1=jilu2[,2]
fit1=lm(a1~b1,data=jilu2)
  return(c(fit$coefficients,fit1$coefficients))
  }   你试试，如果可以的话  别忘了奖励

小R小二郎 发表于 2017-8-5 10:31
可惜没有论坛币下载你的数据

不需要论坛币啊。试了下好像有点问题诶。。In model.response(mf, "numeric") :
  using type = "numeric" with a factor response will be ignored

    这只是一个思路  因为这个分析里只用到"aetiology        AFP.value        Time.relative
",这三列，所以我只提取了这三列的数据
###求线性回归的系数
xishu=function(a){
  
  ###a[，1]表示数据名字的那一列，m就表示名字
  jilu1=a[which(a[,1]=="HEP C"),]
  ###a[，3]，a[,2]表示因变量与自变量
  fit=lm(jilu1[,3]~jilu1[,2],data=jilu1)
  #jilu2=a[which(a[,1]=="ALD + NAFLD"),]
  #jilu2$a1=jilu2[,3]
  #jilu2$b1=jilu2[,2]
  #fit1=lm(a1~b1,data=jilu2)
  return(fit$coefficients)
}     这只是一个思路，就是按人名划分，有多少人，你在往函数里面添加就行，最后修改返回值。
希望能帮到你

小R小二郎 发表于 2017-8-5 22:17
这只是一个思路  因为这个分析里只用到"aetiology        AFP.value        Time.relative
",这三列，所以我只提取了 ...

好的谢谢！不过人实在很多，数据很多，不可能一行一行添加哈~
谢谢！

你的问题用purrr和broom包可以完美解决

felixzhao123 发表于 2017-8-6 07:04
你的问题用purrr和broom包可以完美解决

具体怎么操作呢

我用一个公共数据集mpg做例子，供你参考：

1. library(tidyverse)
   
2. library(broom)
   
3. library(broom)
   
4. 
   
5. 
   
6. ### import sample data
   
7. data("mpg")
   
8. 
   
9. ##assumption: we want to build a linear model for displ(predictor) and hwy (response) by group of class
   
10. 
    
11. nested_mpg <- mpg%>%
    
12.   group_by(class)%>%
    
13.   nest()
    
14. 
    
15. ### create a function to be used for each group of class
    
16. linear_Model <- function(df){
    
17.   lm(hwy~displ,data=df)
    
18. }
    
19. 
    
20. 
    
21. nested_Model <- nested_mpg%>%
    
22.   mutate(model=map(data,linear_Model))
    
23. 
    
24. 
    
25. ### now unnest the data frame to view model details
    
26. 
    
27. nested_Model <- nested_Model%>%
    
28.   mutate(model_Detail=map(model,glance))%>%
    
29.   unnest(model_Detail)
    
30. 
    
31. View(nested_Model)

复制代码

这样你就能看到所有与线性回归相关的参数都放在每一列中了

补一张最后结果的图片