如何取消列出 R 中的回归模型列表

Question

我在单个变量 (a) 上安装了多个模型作为 mod1。 输出 mod1 包含 5 个模型的回归拟合列表。 我在模型列表中做了几个操作。 现在我想将 mod1 取消列为单个回归模型输出，如 fit1、fit2、...fit5 等。

func <-function(z){
  fit1 <- lm( y~ x + z )
  fit2 <- lm( y~x + I(z^2))
  fit3 <- lm( y~poly(x,3) + z)
  fit4 <- lm( y~ns(x, 3) + z)
  fit5 <- lm( y~ns(x, 9) + z)
  return(list(fit1, fit2, fit3, fit4, fit5))
}

mod1 <- func(data$a) 

test <- unlist(mod1, recursive = TRUE, use.names = TRUE)

当我使用 unlist() 时，输出变成了非常长的无法理解的字符串。 即使我尝试以下操作，它仍然是 1 个模型的列表。

fit1 <- mod1[1]

有没有人知道如何从回归模型输出列表中一个一个地分离模型？

提前致谢！

Answer 1

我建议结合使用broom整理lm的输出和标准列表方法lapply和[[索引以使用列表。

在此处阅读有关在R中使用列表的更多信息。

library(splines)

# create some example data
d <- data.frame(x = rnorm(100, 0, 1),
                y = rnorm(100, 0, 1),
                z = rnorm(100, 0, 1))

# function to fit 5 models
func <-function(d){
  fit1 <- lm( y~ x + z, data = d)
  fit2 <- lm( y~x + I(z^2), data = d)
  fit3 <- lm( y~poly(x,3) + z, data = d)
  fit4 <- lm( y~ns(x, 3) + z, data = d)
  fit5 <- lm( y~ns(x, 9) + z, data = d)

  # store models in a list
  l <- list(fit1, fit2, fit3, fit4, fit5)

  # name the models
  names(l) <- paste0("fit", 1:5) 

  return(l)
}

# run the function
mods <- func(d) 

用双括号[[

mods[[1]]

Call:
  lm(formula = y ~ x + z, data = d)

Coefficients:
  (Intercept)            x            z  
0.03339     -0.05128     -0.15288  

mods[[2]]

Call:
  lm(formula = y ~ x + I(z^2), data = d)

Coefficients:
  (Intercept)            x       I(z^2)  
0.01739     -0.04490      0.01258  

使用扫帚“整理”模型输出

library(broom)
tidy(mods[[1]])

# A tibble: 3 x 5
term        estimate std.error statistic p.value
<chr>          <dbl>     <dbl>     <dbl>   <dbl>
  1 (Intercept)   0.0334    0.0985     0.339   0.735
2 x            -0.0513    0.103     -0.499   0.619
3 z            -0.153     0.102     -1.50    0.138

使用lapply （或purrr::map ）来整理模型输出列表。

tidy_mods <- lapply(mods, tidy) 

# add names to each data frame and combine into one big data frame
for(i in 1:length(tidy_mods)) tidy_mods[[i]]$mod <- names(tidy_mods[i])
do.call(rbind.data.frame, tidy_mods)

# A tibble: 27 x 6
term        estimate std.error statistic p.value mod  
* <chr>          <dbl>     <dbl>     <dbl>   <dbl> <chr>
  1 (Intercept)   0.0334    0.0985     0.339  0.735  fit1 
2 x            -0.0513    0.103     -0.499  0.619  fit1 
3 z            -0.153     0.102     -1.50   0.138  fit1 
4 (Intercept)   0.0174    0.130      0.134  0.894  fit2 
5 x            -0.0449    0.105     -0.429  0.669  fit2 
6 I(z^2)        0.0126    0.0894     0.141  0.888  fit2 
7 (Intercept)   0.0309    0.0975     0.317  0.752  fit3 
8 poly(x, 3)1  -0.493     0.975     -0.505  0.614  fit3 
9 poly(x, 3)2  -0.569     0.975     -0.584  0.561  fit3 
10 poly(x, 3)3   1.78      0.976      1.83   0.0709 fit3 

Answer 2

嗨，我有类似的问题，模型 <- etf_sector_ff_tbl |> group_by(sectors) |>

mutate(
    regressions = slide(
        .x = cur_data(),
        .f = ~lm(excess_returns~mkt_excess + smb + hml, data = .x), 
        .before = 60, 
        .complete = TRUE
    )
) 

这是我使用的滚动回归，所以回归是一个列表。 所以为了提取，我转换为 tidyformat, tidy_models <- lapply(model$regressions, tidy) 然后我使用上面提到的方法

对于（i in 1:length(tidy_models)）tidy_models[[i]]$model <- names(tidy_models[i]) do.call(rbind.data.frame, tidy_models)

所以现在得到的结果是

术语估计 std.error 统计 p.value 1（截距）-0.00208 0.00256 -0.811 4.21e- 1 2 mkt_excess 1.20 0.0567 21.1 1.23e-28 3 smb 0.206 0.121 1.70 9.42e- 2 4 hml 0.1876 1.0876 1.0862 0.0567 21.1 1.23e-28 3 smb （截距）-0.00247 0.00263 -0.940 3.51E- 1 6 MKT_EXCESS 1.20 0.0581 20.7 3.66E -28 7 SMB 0.217 0.217 0.124 1.76 1.76 8.42E- 2 8 HML 2 8 HML 0.164 0.164 0.0895 1.895 1.83 7.18e -2 9（Inter Interpect） - 1 10 mkt_excess 1.20 0.0551 21.8 2.61e-29

所以请让我知道如何区分这些术语，因为它们每 4 个术语重复一次