Speichern Residuen einer Regression auf den ursprünglichen Datenrahmen

Question

Ich kann nicht direkt auf der fraglichen Seite kommentieren, aber im Wesentlichen versuche ich, den Code von Combining dplyr::do() with dplyr::mutate? zum Funktionieren zu bekommen.

dat <- mtcars 

dat %>% 
    group_by(gear) %>% 
    mutate(res = residuals(lm(deparse(substitute(mpg ~ disp))))) 

den obigen Code Rennen, die ich erhalten:

"Error in eval(substitute(expr), envir, enclos) : object 'mpg' not found" 

Bin ich etwas fehlt?

Answer 1

Es gibt viele Optionen hier, einschließlich modelr::add_residuals (siehe @ LMW Antwort), broom::augment, und plain alt residuals. Wenn Sie mit gruppierten Modellen arbeiten, ist das Verschachteln von Modellen in einer Listenspalte nützlich und führt natürlich dazu, dass Sie über die Liste von Modellen iterieren, um Residuen und dergleichen zu berechnen.

---

residuals

Plain alten Sockel R arbeitet ordentlich mit einigen purrr (lapply verwenden, wenn Sie bevorzugen):

library(tidyverse) 

mtcars %>% 
    rownames_to_column('car') %>% 
    nest(-gear) %>% 
    mutate(model = map(data, ~lm(mpg ~ disp, data = .x)), 
      resid = map(model, residuals)) %>% 
    unnest(data, resid) 

#> # A tibble: 32 × 13 
#>  gear  resid   car mpg cyl disp hp drat wt 
#> <dbl>  <dbl>   <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> 
#> 1  4 0.98649891  Mazda RX4 21.0  6 160.0 110 3.90 2.620 
#> 2  4 0.98649891 Mazda RX4 Wag 21.0  6 160.0 110 3.90 2.875 
#> 3  4 -3.56856040  Datsun 710 22.8  4 108.0 93 3.85 2.320 
#> 4  4 2.76107028  Merc 240D 24.4  4 146.7 62 3.69 3.190 
#> 5  4 0.44001547  Merc 230 22.8  4 140.8 95 3.92 3.150 
#> 6  4 0.11531527  Merc 280 19.2  6 167.6 123 3.92 3.440 
#> 7  4 -1.28468473  Merc 280C 17.8  6 167.6 123 3.92 3.440 
#> 8  4 2.45060811  Fiat 128 32.4  4 78.7 66 4.08 2.200 
#> 9  4 0.08397007 Honda Civic 30.4  4 75.7 52 4.93 1.615 
#> 10  4 3.02179175 Toyota Corolla 33.9  4 71.1 65 4.22 1.835 
#> # ... with 22 more rows, and 4 more variables: qsec <dbl>, vs <dbl>, 
#> # am <dbl>, carb <dbl> 

Sie könnten den lm Anruf direkt in residuals wickeln:

mtcars %>% 
    rownames_to_column('car') %>% 
    group_by(gear) %>% 
    mutate(resid = residuals(lm(mpg ~ disp))) 

die gleichen Ergebnisse erhalten, aber ein solcher Ansatz ist nicht ratsam, es sei denn, Sie sind sicher, dass Sie mit den Modellen nichts anderes machen wollen. (Offensichtlich Auseinanderschiebens verliert die Modelle als gut, aber Sie können, wenn und steuern, wenn Sie dies tun, und ob Sie eine Kopie speichern, indem die Kette früher zu brechen.)

---

broom::augment

augment fügt viele nützliche Variablen

mtcars %>% 
    rownames_to_column('car') %>% 
    nest(-gear) %>% 
    mutate(model = map(data, ~lm(mpg ~ disp, data = .x)), 
      model_data = map(model, broom::augment)) %>% 
    unnest(model_data) 

#> # A tibble: 32 × 10 
#>  gear mpg disp .fitted .se.fit  .resid  .hat .sigma 
#> <dbl> <dbl> <dbl> <dbl>  <dbl>  <dbl>  <dbl> <dbl> 
#> 1  4 21.0 160.0 20.01350 0.9758770 0.98649891 0.16546553 2.503083 
#> 2  4 21.0 160.0 20.01350 0.9758770 0.98649891 0.16546553 2.503083 
#> 3  4 22.8 108.0 26.36856 0.7466989 -3.56856040 0.09687426 2.197330 
#> 4  4 24.4 146.7 21.63893 0.8206560 2.76107028 0.11701449 2.331455 
#> 5  4 22.8 140.8 22.35998 0.7674126 0.44001547 0.10232345 2.524090 
#> 6  4 19.2 167.6 19.08468 1.0800836 0.11531527 0.20268993 2.528466 
#> 7  4 17.8 167.6 19.08468 1.0800836 -1.28468473 0.20268993 2.482941 
#> 8  4 32.4 78.7 29.94939 1.0762841 2.45060811 0.20126638 2.357875 
#> 9  4 30.4 75.7 30.31603 1.1195513 0.08397007 0.21777368 2.528634 
#> 10  4 33.9 71.1 30.87821 1.1879209 3.02179175 0.24518417 2.247410 
#> # ... with 22 more rows, and 2 more variables: .cooksd <dbl>, 
#> # .std.resid <dbl> 

Wenn Sie möchten, dass die nicht verwendeten Variablen aus den Originaldaten speichern, model_data-model_data = map2(model, data, broom::augment)) ändern, vorbei: einschließlich Residuen und kann in ähnlicher Weise verwendet werden,ein data Parameter, anstatt die Daten standardmäßig vom Modell verwenden zu lassen.

Answer 2

modelr::add_residuals() sollte genau tun, was Sie wollen:

require(tidyverse) 
require(modelr) 

models <- mtcars %>% 
    group_by(gear) %>% 
    nest() %>% 
    mutate(model = map(data, ~lm(mpg ~ disp, data = .)), 
      residuals = map2(data, model, add_residuals)) 

models %>% unnest(residuals) 

# A tibble: 32 × 12 
    gear mpg cyl disp hp drat wt qsec vs am carb 
    <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> 
1  4 21.0  6 160.0 110 3.90 2.620 16.46  0  1  4 
2  4 21.0  6 160.0 110 3.90 2.875 17.02  0  1  4 
3  4 22.8  4 108.0 93 3.85 2.320 18.61  1  1  1 
4  4 24.4  4 146.7 62 3.69 3.190 20.00  1  0  2 
5  4 22.8  4 140.8 95 3.92 3.150 22.90  1  0  2 
6  4 19.2  6 167.6 123 3.92 3.440 18.30  1  0  4 
7  4 17.8  6 167.6 123 3.92 3.440 18.90  1  0  4 
8  4 32.4  4 78.7 66 4.08 2.200 19.47  1  1  1 
9  4 30.4  4 75.7 52 4.93 1.615 18.52  1  1  2 
10  4 33.9  4 71.1 65 4.22 1.835 19.90  1  1  1 
# ... with 22 more rows, and 1 more variables: resid <dbl> 

Überprüfen Sie das Dokument für modelr aus; Ich finde es sehr praktisch.