我有一个来自世界银行的data.frame数据，看起来像这样；
country date BirthRate US.
4 Aruba 2011 10.584 25354.8
5 Aruba 2010 10.804 24289.1
6 Aruba 2009 11.060 24639.9
7 Aruba 2008 11.346 27549.3
8 Aruba 2007 11.653 25921.3
9 Aruba 2006 11.977 24015.4
在此数据框中，总共有70个国家的子集，我希望对其进行线性回归。
如果使用以下内容，我会得到一个国家的好消息；
andora = subset(high.sub, country == "Andorra")
andora.lm = lm(BirthRate~US., data = andora)
anova(andora.lm)
summary(andora.lm)
但是，当我尝试在for循环中使用相同类型的代码时，我将在代码下方显示错误；
high.sub = subset(highInc, date > 1999 & date < 2012)
high.sub <- na.omit(high.sub)
highnames <- unique(high.sub$country)
for (i in highnames) {
linmod <- lm(BirthRate~US., data = high.sub, subset = (country == "[i]"))
}
错误信息：
Error in lm.fit(x, y, offset = offset, singular.ok = singular.ok, ...) :
0 (non-NA) cases
如果我可以运行此循环，则理想情况下，我希望将每个模型的系数甚至更好的r平方值附加到一个空的data.frame中。任何帮助将不胜感激。
谢谢
乔希
这是@BondedDust的注释的略微修改。
models <- sapply(unique(as.character(df$country)),
function(cntry)lm(BirthRate~US.,df,subset=(country==cntry)),
simplify=FALSE,USE.NAMES=TRUE)
# to summarize all the models
lapply(models,summary)
# to run anova on all the models
lapply(models,anova)
这将产生一个命名的模型列表，因此您可以将Aruba的模型提取为：
models[["Aruba"]]
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句