如何匹配 R 中的线性回归结果与 group_by dplyr 相同的 output？

Question

我在 R 有一个数据集：

vec = c(200,300,400,500,600,100)
char1 = c("a","a","a","b","b","a")
char2 = c("c","c","d","c","d","d")
df2 = tibble(vec,char1,char2);df2

# A tibble: 6 × 3
    vec char1 char2
  <dbl> <chr> <chr>
1   200 a     c    
2   300 a     c    
3   400 a     d    
4   500 b     c    
5   600 b     d    
6   100 a     d    

如果我想计算每个 char1 变量的列向量的平均值，可以这样做：

df2%>%group_by(char1)%>%
  summarise(mean(vec))
lm(df2$vec~df2$char1-1)

对于 char2 变量：

df2%>%group_by(char2)%>%
  summarise(mean(vec))
lm(df2$vec~df2$char2-1)

结果分别与这两种情况的线性回归系数相匹配。

但是，如果我想计算每个 char1 和 char2，我会在 R 中执行：

df2%>%group_by(char1,char2)%>%
  summarise(mean(vec))

这两个变量的线性回归等价物是多少？

有什么帮助吗？

Answer 1

指定char1和char2之间的交互，如char1:char2得到：

lm(vec ~ char1:char2 + 0, data=df2)

#Call:
#lm(formula = vec ~ char1:char2 + 0, data = df2)
#
#Coefficients:
#char1a:char2c  char1b:char2c  char1a:char2d  char1b:char2d  
#          250            500            250            600  

匹配预期结果：

df2 %>% 
  group_by(char1,char2) %>%
  summarise(mean(vec))

## A tibble: 4 × 3
## Groups:   char1 [2]
#  char1 char2    mv
#  <chr> <chr> <dbl>
#1 a     c       250
#2 a     d       250
#3 b     c       500
#4 b     d       600