Ajustando vários modelos de regressão com dplyr

Eu gostaria de ajustar um modelo para cada hora (a variável de fator) usando dplyr, estou recebendo um erro e não tenho certeza do que está errado.

df.h <- data.frame( hour = factor(rep(1:24, each = 21)), price = runif(504, min = -10, max = 125), wind = runif(504, min = 0, max = 2500), temp = runif(504, min = - 10, max = 25) ) df.h <- tbl_df(df.h) df.h <- group_by(df.h, hour) group_size(df.h) # checks out, 21 obs. for each factor variable # different attempts: reg.models <- do(df.h, formula = price ~ wind + temp) reg.models <- do(df.h, .f = lm(price ~ wind + temp, data = df.h)) 

Eu tentei várias variações, mas não consigo fazer funcionar.

A maneira mais fácil de fazer isso, por volta de maio de 2015, é usar a broom . broom contém três funções que lidam com objects retornados complexos de operações statistics por grupos: tidy (que lida com vetores de coeficientes de operações statistics por grupos), glance (que lida com statistics de resumo de operações statistics por grupos) e augment (que lida com nível de observação resulta de operações statistics por grupos).

Aqui está uma demonstração de seu uso para extrair os vários resultados da regressão linear por grupos em data_frame s arrumado.

  1. tidy :

     library(dplyr) library(broom) df.h = data.frame( hour = factor(rep(1:24, each = 21)), price = runif(504, min = -10, max = 125), wind = runif(504, min = 0, max = 2500), temp = runif(504, min = - 10, max = 25) ) dfHour = df.h %>% group_by(hour) %>% do(fitHour = lm(price ~ wind + temp, data = .)) # get the coefficients by group in a tidy data_frame dfHourCoef = tidy(dfHour, fitHour) dfHourCoef 

    que dá,

      Source: local data frame [72 x 6] Groups: hour hour term estimate std.error statistic p.value 1 1 (Intercept) 53.336069324 21.33190104 2.5002961 0.022294293 2 1 wind -0.008475175 0.01338668 -0.6331053 0.534626575 3 1 temp 1.180019541 0.79178607 1.4903262 0.153453756 4 2 (Intercept) 77.737788772 23.52048754 3.3051096 0.003936651 5 2 wind -0.008437212 0.01432521 -0.5889765 0.563196358 6 2 temp -0.731265113 1.00109489 -0.7304653 0.474506855 7 3 (Intercept) 38.292039924 17.55361626 2.1814331 0.042655670 8 3 wind 0.005422492 0.01407478 0.3852630 0.704557388 9 3 temp 0.426765270 0.83672863 0.5100402 0.616220435 10 4 (Intercept) 30.603119492 21.05059583 1.4537888 0.163219027 .. ... ... ... ... ... ... 
  2. augment :

      # get the predictions by group in a tidy data_frame dfHourPred = augment(dfHour, fitHour) dfHourPred 

    que dá,

     Source: local data frame [504 x 11] Groups: hour hour price wind temp .fitted .se.fit .resid .hat .sigma .cooksd .std.resid 1 1 83.8414055 67.3780 -6.199231 45.44982 22.42649 38.391590 0.27955950 42.24400 0.1470891067 1.0663820 2 1 0.3061628 2073.7540 15.134085 53.61916 14.10041 -53.312993 0.11051343 41.43590 0.0735584714 -1.3327207 3 1 80.3790032 520.5949 24.711938 78.08451 20.03558 2.294497 0.22312869 43.64059 0.0003606305 0.0613746 4 1 121.9023855 1618.0864 12.382588 54.23420 10.31293 67.668187 0.05911743 40.23212 0.0566557575 1.6447224 5 1 -0.4039594 1542.8150 -5.544927 33.71732 14.53349 -34.121278 0.11740628 42.74697 0.0325125137 -0.8562896 6 1 29.8269832 396.6951 6.134694 57.21307 16.04995 -27.386085 0.14318542 43.05124 0.0271028701 -0.6975290 7 1 -7.1865483 2009.9552 -5.657871 29.62495 16.93769 -36.811497 0.15946292 42.54487 0.0566686969 -0.9466312 8 1 -7.8548693 2447.7092 22.043029 58.60251 19.94686 -66.457379 0.22115706 39.63999 0.2983443034 -1.7753911 9 1 94.8736726 1525.3144 24.484066 69.30044 15.93352 25.573234 0.14111563 43.12898 0.0231796755 0.6505701 10 1 54.4643001 2473.2234 -7.656520 23.34022 21.83043 31.124076 0.26489650 42.74790 0.0879837510 0.8558507 .. ... ... ... ... ... ... ... ... ... ... ... 
  3. glance :

     # get the summary statistics by group in a tidy data_frame dfHourSumm = glance(dfHour, fitHour) dfHourSumm 

    que dá,

     Source: local data frame [24 x 12] Groups: hour hour r.squared adj.r.squared sigma statistic p.value df logLik AIC BIC deviance df.residual 1 1 0.12364561 0.02627290 42.41546 1.2698179 0.30487225 3 -106.8769 221.7538 225.9319 32383.29 18 2 2 0.03506944 -0.07214506 36.79189 0.3270961 0.72521125 3 -103.8900 215.7799 219.9580 24365.58 18 3 3 0.02805424 -0.07993974 39.33621 0.2597760 0.77406651 3 -105.2942 218.5884 222.7665 27852.07 18 4 4 0.17640603 0.08489559 41.37115 1.9277147 0.17434859 3 -106.3534 220.7068 224.8849 30808.30 18 5 5 0.12575453 0.02861615 42.27865 1.2945915 0.29833246 3 -106.8091 221.6181 225.7962 32174.72 18 6 6 0.08114417 -0.02095092 35.80062 0.7947901 0.46690268 3 -103.3164 214.6328 218.8109 23070.31 18 7 7 0.21339168 0.12599076 32.77309 2.4415266 0.11529934 3 -101.4609 210.9218 215.0999 19333.36 18 8 8 0.21655629 0.12950699 40.92788 2.4877430 0.11119114 3 -106.1272 220.2543 224.4324 30151.65 18 9 9 0.23388711 0.14876346 35.48431 2.7476160 0.09091487 3 -103.1300 214.2601 218.4381 22664.45 18 10 10 0.18326177 0.09251307 40.77241 2.0194425 0.16171339 3 -106.0472 220.0945 224.2726 29923.01 18 .. ... ... ... ... ... ... .. ... ... ... ... ... 

Em dplyr 0.4, você pode fazer:

 df.h %>% do(model = lm(price ~ wind + temp, data = .)) 

da documentação para do :

.f : uma function para aplicar a cada peça. O primeiro argumento sem nome fornecido para .f será um quadro de dados.

Assim:

 reg.models <- do(df.h, .f=function(data){ lm(price ~ wind + temp, data=data) }) 

Provavelmente útil também para salvar em qual hora o modelo foi ajustado:

 reg.models <- do(df.h, .f=function(data){ m <- lm(price ~ wind + temp, data=data) m$hour <- unique(data$hour) m }) 

Eu acho que você pode usar dplyr maneira mais apropriada, onde você não precisa definir a function como em @fabians anwser.

 results<-df.h %.% group_by(hour) %.% do(failwith(NULL, lm), formula = price ~ wind + temp) 

ou

 results<-do(group_by(tbl_df(df.h), hour), failwith(NULL, lm), formula = price ~ wind + temp) 

EDIT: Claro que também funciona sem failwith

 results<-df.h %.% group_by(hour) %.% do(lm, formula = price ~ wind + temp) results<-do(group_by(tbl_df(df.h), hour), lm, formula = price ~ wind + temp)