Lapply的稳健线性回归

Question

我在数据框列表上运行健壮的线性回归模型（使用MASS库中的rlm）时遇到问题。

可重现的示例：

var1 <- c(1:100)
var2 <- var1*var1
df1  <- data.frame(var1, var2)
var1 <- var1 + 50
var2 <- var2*2
df2  <- data.frame(var1, var2)
lst1 <- list(df1, df2)

线性模型（有效）：

lin_mod <- lapply(lst1, lm, formula = var1 ~ var2)
summary(lin_mod[[1]])

我的健壮模型代码：

rob_mod <- lapply(lst1, MASS::rlm, formula = var1 ~ var2)

给出以下错误：

Error in rlm.default(X[[i]], ...) : 
argument "y" is missing, with no default

我该如何解决？

我实际数据中的错误是：

Error in qr.default(x) : NA/NaN/Inf in foreign function call (arg 1)
In addition: Warning message:
In storage.mode(x) <- "double" : NAs introduced by coercion    

Answer 1

您也可以尝试使用purrr:map解决方案：

library(tidyverse)
map(lst1, ~rlm(var1 ~ var2, data=.))

或如乔兰评论

map(lst1, MASS:::rlm.formula, formula = var1 ~ var2)

如您在这里看到的， ?lm仅提供一种公式方法。 相反， ?rlm提供（ formula和x, y ）。 因此，您必须指定data=讲rlm才能显式使用公式方法。 否则， rlm希望x和y作为输入。

Answer 2

您的呼叫缺少data参数。 lapply将调用FUN作为第一个参数与所述列表中的每个成员FUN但data是第二个参数来rlm 。

解决方案是定义一个匿名函数。

lin_mod <- lapply(lst1, function(DF) MASS::rlm(formula = var1 ~ var2, data = DF))
summary(lin_mod[[1]])
#
#Call: rlm(formula = var1 ~ var2, data = DF)
#Residuals:
#    Min      1Q  Median      3Q     Max 
#-18.707  -5.381   1.768   6.067   7.511 
#
#Coefficients:
#              Value   Std. Error t value
#(Intercept) 19.6977  1.0872    18.1179
#var2         0.0092  0.0002    38.2665
#
#Residual standard error: 8.827 on 98 degrees of freedom