[英]R Capturing regression slopes by group in a dataframe
我的数据框架包含3个财政年度(2013财年,2014财年和2015财年)调查中提出的不同问题的分数。 结果按Region
列出。
这是实际数据框的示例 ,每个区域有两个问题,分别在不同的年份提出。
testdf=data.frame(FY=c("FY13","FY14","FY15","FY14","FY15","FY13","FY14","FY15","FY13","FY15","FY13","FY14","FY15","FY13","FY14","FY15"),
Region=c(rep("AFRICA",5),rep("ASIA",5),rep("AMERICA",6)),
QST=c(rep("Q2",3),rep("Q5",2),rep("Q2",3),rep("Q5",2),rep("Q2",3),rep("Q5",3)),
Very.Satisfied=runif(16,min = 0, max=1),
Total.Very.Satisfied=floor(runif(16,min=10,max=120)))
我的目标
对于每个地区,我的目标是确定在过去三年中,哪个问题经历了最显着的向上演变 。 为了测量显着的向上运动,我决定将回归的斜率用作参数。
在3年的时间范围内,一个地区内上升趋势最为明显的问题将是斜率最陡的问题 。
使用此逻辑,我决定执行以下操作-
1)对于Region
和QST
每种组合,我运行lm
函数。
2)我提取每种组合的斜率,并将其存储为单独的变量。 然后,对于每个区域,我用最大斜率值过滤掉问题。
我的尝试
这是我试图解决这个问题的尝试。
test_final=testdf %>%
group_by(Region,QST) %>%
map(~lm(FY ~ Very.Satisfied, data = .)) %>%
map_df(tidy) %>%
filter(term == 'circumference') %>%
select(estimate) %>%
summarise(Value = max(estimate))
但是,当我运行此程序时,我收到一条错误消息,指出未找到对象
FY
。
附加要求
我也希望此方法仅适用于连续两年至少有数据进行比较的问题。 但是我无法弄清楚如何将这种情况纳入我的代码中。
任何帮助,将不胜感激。
这不会执行“至少连续两年”部分,但是会执行“获得最大斜率的问题”部分:
library(dplyr)
test_final = testdf %>%
mutate(FY.num = as.numeric(gsub("FY", "", FY))) %>%
group_by(Region, QST) %>%
mutate(lm_slope = lm(Very.Satisfied ~ FY.num)$coefficients[["FY.num"]]) %>%
ungroup() %>%
group_by(Region) %>%
filter(lm_slope == max(lm_slope))
这是一个类似的版本,具有按组大小/连续性进行过滤的功能(在您发帖时已经写好了,所以我想也可以继续进行)。
library(tidyverse)
set.seed(42)
testdf=data.frame(FY=c("FY13","FY14","FY15","FY14","FY15","FY13","FY14","FY15","FY13","FY15","FY13","FY14","FY15","FY13","FY14","FY15"),
Region=c(rep("AFRICA",5),rep("ASIA",5),rep("AMERICA",6)),
QST=c(rep("Q2",3),rep("Q5",2),rep("Q2",3),rep("Q5",2),rep("Q2",3),rep("Q5",3)),
Very.Satisfied=runif(16,min = 0, max=1),
Total.Very.Satisfied=floor(runif(16,min=10,max=120)))
test_final <- testdf %>%
group_by(Region,QST) %>% # group by region
mutate(numdate = as.numeric(str_remove(FY, "FY"))) %>%
filter(n() >= 2 & max(diff(numdate)) < 2) %>% # filter out singleton groups
mutate(slopes = coef(lm(Very.Satisfied~numdate))[2])
test_final %>% select(Region, QST, slopes)
#> # A tibble: 14 x 3
#> # Groups: Region, QST [5]
#> Region QST slopes
#> <fct> <fct> <dbl>
#> 1 AFRICA Q2 -0.314
#> 2 AFRICA Q2 -0.314
#> 3 AFRICA Q2 -0.314
#> 4 AFRICA Q5 -0.189
#> 5 AFRICA Q5 -0.189
#> 6 ASIA Q2 -0.192
#> 7 ASIA Q2 -0.192
#> 8 ASIA Q2 -0.192
#> 9 AMERICA Q2 0.238
#> 10 AMERICA Q2 0.238
#> 11 AMERICA Q2 0.238
#> 12 AMERICA Q5 0.342
#> 13 AMERICA Q5 0.342
#> 14 AMERICA Q5 0.342
test_final %>% group_by(Region) %>%
summarise(Value = max(slopes),
Top_Question = QST[which.max(slopes)])
#> # A tibble: 3 x 3
#> Region Value Top_Question
#> <fct> <dbl> <fct>
#> 1 AFRICA -0.189 Q5
#> 2 AMERICA 0.342 Q5
#> 3 ASIA -0.192 Q2
由reprex软件包 (v0.2.1)创建于2019-01-21
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.