R Problem: Ausführen von lm und dann ein Boxcox, um einen richtigen Lambda-Wert zu finden

Question

Ich habe einen Datensatz von Klimadaten in einem dat.frame (Spalten sind Messstationen, und Zeilen zeigen Zeit der Messung), und ich versuche es Finden Sie die richtigen Lambda-Werte in einer Yeo-Johnson-Transformation, um den Einfluss der Schiefe auf eine Hauptkomponentenanalyse zu begrenzen.

Offensichtlich ist der erste Schritt ist, Wahrscheinlichkeiten zu erhalten melden Sie sich das beste Lambda zu finden: Ich verwende die folgende, wobei i der Index einer Spalte ist:

getYeoJohsnonLambda <- function(myClimateData,cols,lambda_min, lambda_max,eps) 
... 
lambda <- seq(lambda_min,lambda_max,eps) 
for(i in cols) 
    { 
    formula <- as.formula(paste("myClimateData$",colnames(myClimateData)[i],"~1")) 
    currentModel <- lm(formula,myClimateData) 
    print(currentModel) 
    myboxCox <- boxCox(currentModel, lambda = lambda ,family="yjPower", plotit = FALSE) 
    ... 
    } 

Wenn ich es versuche, für eine nennen climateData Zeitreihen, die zum Beispiel sein könnte:

`climateData <-data.frame(c(8.2,6.83,5.46,4.1,3.73,3.36,3,3,3,3,3.7),c(0,0.66,1.33,2,2,2,2,2,2,2,1.6))` 

ich diesen Fehler: Error in is.data.frame(data) : object 'myClimateData' not found

Das ist seltsam, wie lm es zu finden scheint und zurück ein korr ect fit, und myClimateData sollte gefunden werden, da es eines der Argumente der Funktion ist, oder?

Answer 1

Leider scheint es, dass das Problem aus der Funktion kommt boxCox anstatt Ihre getYeoJohsnonLambda Funktion. Als BrodieG hingewiesen in a related question, verwendet diese Funktion parent.frame als Argument zu eval, die als schlechte Praxis in der doc angesehen wird.

Eine Möglichkeit, dies zu lösen, ist die Modelle vor dem Aufruf zu bauen, wie in Adam Quek ‚s Antwort vorgeschlagen:

library(car) 

climateData <- data.frame(c(8.2,6.83,5.46,4.1,3.73,3.36,3,3,3,3,3.7),c(0,0.66,1.33,2,2,2,2,2,2,2,1.6)) 
names(climateData) <- c("a","b") 

modelList <- list() 
for(k in 1:ncol(climateData)) { 
    modelList[[k]] <- lm(as.formula(paste0(names(climateData)[k],"~1")),data=climateData) 
} 

getYeoJohnsonLambda <- function(myClimateData, cols, lambda_min, lambda_max, eps) 
{ 
    #Recommended values for lambda_min = -0.5 and lambda_max = 2.0, eps = 0.1 
    myboxCox <- list() 
    lmd <- seq(lambda_min,lambda_max,eps) 
    for(i in cols) 
    { 
    cat("Creating model for column # ",i,"\n") 
    currentModel <- modelList[[i]] 
    myboxCox[[i]] <- boxCox(currentModel, lambda = lmd ,family="yjPower", plotit = FALSE) 

    } 
    return(myboxCox) 
} 

test <- getYeoJohnsonLambda(climateData,c(1,2) ,-0.5,2,0.1) 

Andere Lösung (wohl Reiniger): Verwenden Sie yeo.johnson in VGAM

library(VGAM) 

getYeoJohnsonLambda_VGAM <- function(myClimateData, cols, lambda_min, lambda_max, eps) 
{ 
    #Recommended values for lambda_min = -0.5 and lambda_max = 2.0, eps = 0.1 
    myboxCox <- list() 
    lmd <- seq(lambda_min,lambda_max,eps) 
    return(apply(climateData,2,yeo.johnson,lambda=lmd)) 
} 

test2 <- getYeoJohnsonLambda_VGAM(climateData,c(1,2) ,-0.5,2,0.1) 

Answer 2

Hier ist eine Lösung ohne Fehlerbehebung bei der Funktion getYeoJohsnonLambda:

iris.dat <- iris[-5] 
vars <- names(iris.dat) 
lmd <- seq(.1, 1, .1) #lambda_min, lambda_max, eps 

all.form <- lapply(vars, function(x) as.formula(paste0(x, "~ 1"))) 
all.lm <- lapply(all.form, lm, data=iris.dat) 

library(MASS) 
all.bcox <- lapply(all.form, boxcox, data=iris.dat, 
      lambda=lmd, family="yjPower", plotit=FALSE)