使用 lm 对独特因子组合的子集进行回归

我想对由分组变量的独特组合定义的子集自动执行简单的多元回归。我有一个数据框，其中包含多个分组变量 df1[1:6] 和一些自变量 df1[8:10] 以及响应 df1[7]。

这是数据的摘录。

structure(list(Surface = structure(c(1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L), .Label = c("NiAu", "Sn"), class = "factor"), Supplier = structure(c(1L, 1L, 1L, 2L, 2L, 1L, 1L, 2L, 2L, 2L, 2L), .Label = c("A", "B"), class = "factor"), ParticleSize = structure(c(1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L), .Label = c("3", "5"), class = "factor"), T1 = structure(c(2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L), .Label = c("130", "144"), class = "factor"), T2 = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), .Label = "200", class = "factor"), O2 = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), .Label = "1300", class = "factor"), Shear = c(56.83, 67.73, 78.51, 62.61, 66.78, 60.89, 62.94, 76.34, 70.56, 70.4, 54.15), Gap = c(373, 450, 417, 450, 406, 439, 439, 417, 439, 441, 417), Clearance = c(500.13, 509.85, 495.97, 499.55, 502.66, 505.33, 500.32, 503.28, 507.44, 500.5, 498.39), Void = c(316, 343, 89, 247, 271, 326, 304, 282, 437, 243, 116)), .Names = c("Surface", "Supplier", "ParticleSize","T1", "T2", "O2", "Shear", "Gap", "Clearance", "Void"), class = "data.frame", row.names = c(NA, -11L))

使用 unique(df1[1:6]) 返回分组变量的 5 个因子组合。所以我应用 lm() 函数的子集应该有 5 个。 我的电话看起来像这样

df1.fit.by<-with(df1,by(df1,df1[,1:6], function(x) lm(Shear~Gap+Clearance+Void,data=x)))
sapply(df1.fit.by,coef)

问题 1：它返回一个包含 16 个列表条目的列表。显然，它计算了前六个分组变量的所有可能的因素组合。 （摘录中V5+V6只有一个水平，而V1:4有两个水平。导致2^4=16）但它应该只使用数据中真实存在的因子组合。所以我认为 by() 不是实现这一目标的正确函数。有什么建议么？
问题 2：我发现引用列索引比引用变量名更容易。所以我最初尝试以 lm(df1[7]~df1[8]+df1[9]) 的方式使用 lm() 函数。那没有成功。因为我总是访问整个 df1 数据帧而不是子集。因此，我可能应该将因子组合的行索引传递给 lm() 函数，而不是完整的数据帧。

我认为问题 1 和问题 2 的解决方案在某种程度上是相关的，并使用另一个子集函数来解决。如果有人能尝试解释我的错误在哪里，那就太好了。如果可能的话，我会坚持使用标准包，因为我想提高对 R 的理解。谢谢

编辑：变量赋值中的一个小错误

你可以使用plyr包裹：

require(plyr)
list_reg <- dlply(df1, .(Surface, Supplier, ParticleSize, T1, T2), function(df) 
  {lm(Shear~Gap+Clearance+Void,data=df)})
#We have indeed five different results
length(list_reg)
#That's how you check out one particular regression, in this case the first
summary(list_reg[[1]])

功能dlply需要一个data.frame（这就是 d... 代表的意思），就你而言df1，并返回一个列表（这就是 .l... 所代表的），在您的情况下由五个元素组成，每个元素包含一个回归的结果。

在内部，您的df1根据指定的列分为五个子data.frames.(Surface, Supplier, ParticleSize, T1, T2)和函数lm(Shear~Gap+Clearance+Void,data=df)应用于每个子数据帧。

为了更好地感受什么dlply确实如此，只需致电

list_sub_df <- dlply(df1, .(Surface, Supplier, ParticleSize, T1, T2))

你可以查看每个子数据帧lm将被应用到。

最后只是一个一般性说明：paper http://vita.had.co.nz/papers/plyr.html软件包作者 Hadley Wickham 的文章确实很棒：即使您最终不会使用他的软件包，了解拆分-应用-组合方法仍然非常好。

EDIT:

我刚刚进行了快速搜索，正如预期的那样，之前已经对此进行了更好的解释，因此请务必阅读此内容SO https://stackoverflow.com/questions/7523427/ddply-with-lm-function post.

EDIT2:

如果您想直接使用列号，请尝试此（取自此SO https://stackoverflow.com/questions/3784187/how-to-use-string-variables-to-create-variables-list-for-ddply post):

 list_reg <- dlply(df1, names(df1[, 1:5]), function(df) 
      {lm(Shear~Gap+Clearance+Void,data=df)})