[英]Applying fixed effects factor in R breaks the regression
我试图在R中运行固定效果回归。当我运行线性模型而未应用固定效果因子时,该模型可以正常工作。 但是,当我应用因子-这是用户ID的数字代码时,会出现以下错误:
Error in rep.int(c(1, numeric(n)), n - 1L) : cannot allocate vector of length 1055470143
我不确定错误的含义,但我担心这可能是在R中正确编码变量的问题。
我认为这是更多的统计信息,较少的编程问题,原因有两个:
首先,我不确定您使用的是横截面数据还是面板数据。 如果使用横截面数据,则无法控制30000个个体(当然,它们会增加变化)。
其次,如果您使用的是面板数据,则R中有不错的程序包(例如plm
程序包)可以进行这种计算。
一个例子:
set.seed(42)
DF <- data.frame(x=rnorm(1e5),id=factor(sample(seq_len(1e3),1e5,TRUE)))
DF$y <- 100*DF$x + 5 + rnorm(1e5,sd=0.01) + as.numeric(DF$id)^2
fit <- lm(y~x+id,data=DF)
R会话需要近2.5 GB的RAM(如果您添加OS所需的RAM,这比许多PC可用的RAM还多),并且需要一些时间才能完成。 结果非常无用。
如果您没有遇到RAM限制,则可能会受到向量长度的限制(例如,如果您具有更多的因子水平),尤其是在使用旧版本的R时。
怎么了?
lm
第一步就是使用model.matrix
函数创建设计矩阵。 这是因素发生的较小示例:
model.matrix(b~a,data=data.frame(a=factor(1:5),b=2))
# (Intercept) a2 a3 a4 a5
# 1 1 0 0 0 0
# 2 1 1 0 0 0
# 3 1 0 1 0 0
# 4 1 0 0 1 0
# 5 1 0 0 0 1
# attr(,"assign")
# [1] 0 1 1 1 1
# attr(,"contrasts")
# attr(,"contrasts")$a
# [1] "contr.treatment"
看看n个因子水平如何产生n-1个虚拟变量? 如果您有许多因子水平和许多观察结果,则此矩阵将变得巨大。
你该怎么办?
我很确定,您应该使用混合效果模型。 有两个在R中实现线性混合效果模型的重要软件包,软件包nlme和更新的软件包lme4。
library(lme4)
fit.mixed <- lmer(y~x+(1|id),data=DF)
summary(fit.mixed)
Linear mixed model fit by REML
Formula: y ~ x + (1 | id)
Data: DF
AIC BIC logLik deviance REMLdev
1025277 1025315 -512634 1025282 1025269
Random effects:
Groups Name Variance Std.Dev.
id (Intercept) 8.9057e+08 29842.472
Residual 1.3875e+03 37.249
Number of obs: 100000, groups: id, 1000
Fixed effects:
Estimate Std. Error t value
(Intercept) 3.338e+05 9.437e+02 353.8
x 1.000e+02 1.180e-01 847.3
Correlation of Fixed Effects:
(Intr)
x 0.000
这需要很少的RAM,计算速度很快,并且是更正确的模型。
看看随机拦截如何解释大部分差异?
因此,您需要研究混合效应模型。 有一些不错的出版物,例如Baayen,Davidson,Bates(2008)解释了如何使用lme4。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.