如何适应多个模型并将嵌套列表中的模型输出提取到DF中
我有一个包含许多Y和X变量的数据框。我想通过迭代所有的X和Y变量来用lm()来拟合多个单线性模型。我正在努力将其他Y变量包括在内，但仅迭代X变量就很困难。 我的数据如下所示： set.seed(200) df
..
lm相关内容
如何使用PURR迭代lm reg中的每个协变量和结果的组合
对我来说，一种常见的情况是，我需要运行基本相同的回归模型，但运行一系列不同的结果，而对于敏感度分析，我需要同时迭代不同的协变量集。 我仍然是R的新手，但将下面的代码与Purrr一起使用，我能够迭代结果和协变量，但它当然会并行地遍历成对的列表，当我需要它来遍历每个列表中的每个组合时。 对于结果和协变量的所有组合如何迭代，有哪些选项？ 另外，有人知道为什么以下代码不能与"；m
..
r：waldtest："；solve.default(vc[ovar，ovar])：'；a'；is 0-diml"；
如果我的问题已经有了答案，我很抱歉问了我的问题。到目前为止，我找不到一个。 我目前正在对债券的财务数据做回归。我回归的目的是确定两个债券投资组合的收益率是否有显着差异。 我控制4个变量(V1到V4)以控制其他风险来源。 回归公式如下： (“高投资组合”一次回归，“低投资组合”一次回归) 𝑌ield(p)=∝(p)+ 𝛽1(p)*V1+𝛽2(p)*V2+𝛽3(p)*V
..
LM：1系数因奇点而未定义，同时没有主要的共线性问题
我见过像this one这样的类似帖子，它们说收到错误消息说：Coefficients: (1 not defined because of singularities)是因为lm()调用中使用的预测值之间几乎完全相关。 但在我的例子中，预测值之间没有近乎完美的相关性，但在lm()的输出中仍有一个系数(X_wthn_outcome)返回NA。 我想知道返回NA的系数有什么问题？
..
R：如何绘制lm polyfit生成的多项式的自定义范围
我被lm 的输出产生的系数搞糊涂了 这是我正在使用的数据的副本 (postprocessed.csv) "","time","value" "1",1,2.61066016308988 "2",2,3.41246054742996 "3",3,3.8608767964033 "4",4,4.28686048552237 "5",5,4.4923132964825 "6",6,4.505
..
从lm对象中提取标准误差
我们从获取了lm对象，并希望提取标准错误 lm_aaa
..
Predict() - 也许我不明白
..
在 Rmarkdown 中使用 apsrtable 的多个 lm() 模型表
..
R data.table 按因子循环子集并执行 lm()
我正在尝试创建一个函数，甚至只是想出如何使用 data.table 语法运行循环，我可以按因子对表进行子集化，在这种情况下是 id 变量，然后在每个子集上运行线性模型，然后出结果.示例数据如下. df
..
为什么在分组 data.table 中的 lm 上使用更新会丢失其模型数据?
好吧，这很奇怪.我怀疑这是 data.table 中的一个错误，但如果有人能解释为什么会发生这种情况会很有用 - update 到底在做什么? 我在 data.table 中使用 list(list()) 技巧来存储拟合模型.当您为不同的分组创建一系列 lm 对象，然后 update 这些模型时，所有模型的模型数据将成为最后一个分组的模型数据.这似乎是一个参考挂在某个应该制作副本的地方，但我
..
R中的xts回归
是否有使用以下类型的 xts 对象运行回归的实用程序: lm(y ~ lab(x, 1) + lag(x, 2) + lag(x,3), data=as.data.frame(coredata(my_xts))) 其中 my_xts 是一个 xts 对象，其中包含一个 x 和一个 y.问题的关键是有没有办法避免做一堆滞后和合并以使 data.frame 具有所有滞后?我认为包 dyn 适用于
..
将回归结果输出到 R 中的数据框中
我想知道是否有任何命令可以将 lm 模型的结果输出到 R 中的数据框中，就像 SAS 中的 outest 一样.有任何想法吗?我正在运行多个模型，我希望结果如下所示 - 型号 |阿尔法 |测试版 |平方|F |df |型号0 |8.4 |... |.... |..|.. |型号1 |... |... |.... |..|.. |模型2 |... |... |.... |..|.. | 我拥有的
..
关于使用 lm 的 R 线性回归建模中的 I( ) 项
..
循环中的 predict.lm().警告:来自秩亏拟合的预测可能会产生误导
此 R 代码引发警告 # 拟合回归模型到每个集群y
..
R 中具有不同变量组合的线性模型
我是 R 的新手，但遇到了一个问题.我正在尝试读取表中的一组数据，并且想要执行线性建模.以下是我读取数据和变量名称的方式: >data =read.table(datafilename,header=TRUE)>名称(数据)[1]“价格"“型号"“尺寸"“年份"“颜色" 我想要做的是使用变量的不同组合(价格是目标)创建几个线性模型，例如: >附加(数据)>型号1 = lm(价格~型号+尺寸)
..
如何仅从命名号码(没有名称)中提取号码?
我只是在寻找 B1(newx) 线性模型系数的值，而不是名称.我只想要 0.5 的值.我不想要“newx"这个名字. newx out 看起来像: 调用:lm(公式 = newy ~ newx)系数:(拦截)newx1.5 1.0 我到了这里.但现在我卡住了. out$coefficients["newx"]新的1.0 解决方案 对于这样的单个元素，使用 [[ 而不是 [.比较:
..
在 R 中使用 lm() 绘制多项式回归的预测时的混乱图
我正在用 R 中的 lm 构建二次模型: y 现在我想在图上同时显示预测值和实际值.我试过这个: par(las=1,bty="l")情节(y~x)P 但是这条线都弯弯曲曲地出现了.也许这与它是二次方的事实有关?谢谢你的帮助. 解决方案 你需要order(): P 我在这里的回答是相关的:显示 LOESS 回归线和置信区间的问题
..
在 R 中绘制多项式回归曲线
我有一个简单的多项式回归，我做如下 attach(mtcars)适合 情节(mpg~hp)>点(hp，拟合(拟合)，col='red'，pch=20) 这给了我以下内容 我想将这些点连接成一条平滑的曲线，使用线给我以下内容 >线(hp，适合(适合)，col='red'，type='b') 我在这里错过了什么.
..
lm(): LINPACK/LAPACK 中 QR 分解返回的 qraux 是什么
rich.main3 是 R 中的线性模型.我了解列表中的其余元素，但我不明白 qraux 是什么.文档指出它是 长度为 ncol(x) 的向量，其中包含关于 \bold{Q}" 的附加信息. 这意味着什么附加信息? str(rich.main3$qr)qr : num [1:164, 1:147] -12.8062 0.0781 0.0781 0.0781 0.0781 .....
..
在 R 中使用 lm() 作为公式的快捷方式
可以在lm() 中使用公式的快捷方式 m 这里和 一样 lm(m[,1] ~ m[,2] + m[,3] + m[,4] + m[,5] 但是在变量不在同一级别的情况下(至少这是我目前的假设)这不起作用并且我收到错误: model.frame.default(formula = hm[, 1] ~ hm[, 2:4], drop.unused.levels = TRUE) 中的错误
..