首页 文章

R：将Anova应用于一个数据集的不同子集并收集输出的功能

提问于
浏览 次
4

一个常见的任务是必须在数据集的不同子集上执行某种统计分析（如anova，glm或混合模型），并将输出表与汇总系数和p值组合在一个数据帧中 . 我正在寻找一个通用函数，它将采用模型类型（例如 aov(...) 或 lm(...) 或 glm(...) 或 glmer(...) ）以及根据每个重复分析必须为其返回系数和p值的特定输出项 . 一个数据集中的一些分组变量 .

假如我有一个数据帧，我想在数据帧 data 中对因子"replicate"的不同级别进行某种分析：

data(iris)
library(car)
data=data.frame()
for (i in 1:10) {data=rbind(data,cbind(replicate=i,iris))}

使用 broom+dplyr ，我可以例如对此数据帧的每个子集执行anova（按复制分组）并使用term "Species"保持p值

library(devtools)
install_github("dgrtwo/broom")
library(broom)
library(dplyr)

group_by(data, replicate) %>% do(tidy(Anova(aov(Sepal.Length ~ Species, data = .),type="III"))) %>% filter(term=="Species")

Source: local data frame [10 x 6]
Groups: replicate [10]

   replicate    term    sumsq    df statistic      p.value
       (int)   (chr)    (dbl) (dbl)     (dbl)        (dbl)
1          1 Species 189.6364     2  362.6614 2.580311e-94
2          2 Species 189.6364     2  362.6614 2.580311e-94
3          3 Species 189.6364     2  362.6614 2.580311e-94
4          4 Species 189.6364     2  362.6614 2.580311e-94
5          5 Species 189.6364     2  362.6614 2.580311e-94
6          6 Species 189.6364     2  362.6614 2.580311e-94
7          7 Species 189.6364     2  362.6614 2.580311e-94
8          8 Species 189.6364     2  362.6614 2.580311e-94
9          9 Species 189.6364     2  362.6614 2.580311e-94
10        10 Species 189.6364     2  362.6614 2.580311e-94

（我在这里只使用了10个相同的数据子集）

我正在寻找一个更通用的函数“ Anovabygroup ”，它将采用数据帧，分组变量（此处为 replicate ，但它也可能是几个分组变量的组合），即要运行的模型类型（例如在这种情况下 'aov(Sepal.Length ~ Species, data = .)' ，但它也可能是lm，glm，lme，lmer或glmer模型或由 Anova() 处理的任何其他模型以及返回系数和p值的因子（可能选项"all"以返回所有内容）作为参数（给出的任何其他选项都可以传递给Anova的电话） . 有没有人知道如何使用类似于上面使用的代码的任何机会这样做，但一般化采取这些参数？主要的是我没有't know how to do is to pass on the model (e.g. in this case `' aov（Sepal.Length~Species，data = . ）'）作为参数并进行评估 . 或者它可能已经存在于某个包中？我认为这可能很有用，因为我总是发现自己一遍又一遍地编写这个任务......

PS我使用扫描包的github版本，因为当前的CRAN版本似乎不能很好地处理Anova输出

r dplyr glm anova broom

1 回答

  • 4

    答案：

    您可以通过创建解析文本输入的包装函数来解决此问题 . 在这里，我使用 parse 和 eval .

    理想情况下，该函数还会检查传递的表达式（ glm ， lm 等）的有效性，但这里有一个示例函数可以帮助您入门 .

    它还允许您按照要求将其他选项传递给 Anova ：

    anova_wrapper <- function(data, model_expression_as_string, grouping_variable,...) {
  f_wrap <- paste0('function(.) {',model_expression_as_string,'}') %>%    parse(text=.) %>% eval
  data %>% group_by_(grouping_variable) %>% 
     do(f_wrap(.) %>% Anova(...=...) %>% tidy) %>% return
}

    示例：

    使用您的示例代码（感谢您发布好的代码！）：

    data=data.frame()
for (i in 1:10) {data=rbind(data,cbind(replicate=i,iris))}

aov_model_expression_as_string = 'aov(Sepal.Length ~ Species, data = .)'
lm_model_expression_as_string = 'lm(Sepal.Length ~ Sepal.Width + Petal.Length , data = .)'
grouping_variable = 'replicate'


data %>% 
    anova_wrapper(model_expression_as_string = aov_model_expression_as_string,
                  grouping_variable = grouping_variable,type="III")



    Source: local data frame [30 x 6]
    Groups: replicate [10]

    replicate        term      sumsq    df statistic       p.value
    (int)       (chr)      (dbl) (dbl)     (dbl)         (dbl)
    1          1 (Intercept) 1253.00180     1 4728.1630 1.134286e-113
    2          1     Species   63.21213     2  119.2645  1.669669e-31
    3          1   Residuals   38.95620   147        NA            NA
    4          2 (Intercept) 1253.00180     1 4728.1630 1.134286e-113
    5          2     Species   63.21213     2  119.2645  1.669669e-31
    6          2   Residuals   38.95620   147        NA            NA
    7          3 (Intercept) 1253.00180     1 4728.1630 1.134286e-113
    8          3     Species   63.21213     2  119.2645  1.669669e-31
    9          3   Residuals   38.95620   147        NA            NA
    10         4 (Intercept) 1253.00180     1 4728.1630 1.134286e-113
    ..       ...         ...        ...   ...       ...           ...

    并使用 lm 而不是 aov 和 Anova 的不同参数：

    data %>% 
    anova_wrapper(model_expression_as_string = lm_model_expression_as_string,
                  grouping_variable = grouping_variable,type="III")



    replicate         term    sumsq    df statistic      p.value
    (int)        (chr)    (dbl) (dbl)     (dbl)        (dbl)
    1          1  Sepal.Width  8.19627     1  73.78707 1.163254e-14
    2          1 Petal.Length 84.42733     1 760.05861 5.847914e-60
    3          1    Residuals 16.32876   147        NA           NA
    4          2  Sepal.Width  8.19627     1  73.78707 1.163254e-14
    5          2 Petal.Length 84.42733     1 760.05861 5.847914e-60
    6          2    Residuals 16.32876   147        NA           NA
    7          3  Sepal.Width  8.19627     1  73.78707 1.163254e-14
    8          3 Petal.Length 84.42733     1 760.05861 5.847914e-60
    9          3    Residuals 16.32876   147        NA           NA
    10         4  Sepal.Width  8.19627     1  73.78707 1.163254e-14
    ..       ...          ...      ...   ...       ...          ...

    我经常在monte carlo模拟中反复使用这些类型的回归/ anovas，但我通常会为每种分析创建一个单独的函数 . R社区可能会对重复进行这些分析的软件包感兴趣！

    回复于

相关问题