R 线性 model 预测许多变量的 function

Question

我有一个变量矩阵X和拟合线性 model Y ~ X1 + X2 + X3 + X4 。 假设我想预测Y的变量均值向量(X1_mean, X2_mean, X3_mean, X4_mean) （我们称之为X_means ，我使用 function colMeans ）。 所以，通常我会这样做：

predict(model, X1 = X1_mean, X2 = X2_mean, X3 = X3_mean, X4 = X4_mean)

但是有没有更快的方法来做到这一点？ 对于 4 个变量，键入(Xi = Xi_mean)并不是世界末日，但是对于 50 个变量，这将需要一段时间。 我可以以某种方式重写它以便将每个平均值分配给每个变量吗？ colnames = means 。

Answer 1

假设您的数据如下所示：

set.seed(1)
df <- setNames(as.data.frame(matrix(rnorm(25), ncol=5)), c("Y", paste0("X", 1:4)))
df
#>            Y         X1         X2          X3          X4
#> 1 -0.6264538 -0.8204684  1.5117812 -0.04493361  0.91897737
#> 2  0.1836433  0.4874291  0.3898432 -0.01619026  0.78213630
#> 3 -0.8356286  0.7383247 -0.6212406  0.94383621  0.07456498
#> 4  1.5952808  0.5757814 -2.2146999  0.82122120 -1.98935170
#> 5  0.3295078 -0.3053884  1.1249309  0.59390132  0.61982575

你的 model 看起来像这样：

model1 <- lm(Y ~ X1 + X2 + X3 + X4, data = df)

请注意，您可以获得所有预测变量列均值的命名列表，如下所示：

lapply(df[-1], mean)
#> $X1
#> [1] 0.1351357
#> 
#> $X2
#> [1] 0.03812297
#> 
#> $X3
#> [1] 0.459567
#> 
#> $X4
#> [1] 0.08123054

因此，在这种情况下，要预测每个预测变量的平均值，我们可以这样做：

predict(model1, lapply(df[-1], mean))
#>         1 
#> 0.1292699

^{由reprex package (v0.3.0) 于 2020 年 12 月 8 日创建}