У меня есть 30-летний фрейм данных переменной ответа. Я хочу написать код, который будет выполнять подмножество этого df в «x» количество лет «n» раз и запускать регрессию ответа во всех этих подмножествах.
Итак, если бы мы начали с 30 лет, x = 5 & n = 2, мы закончили бы двумя регрессиями, каждая из которых использует 5 случайных лет из имеющихся 30. Я написал функцию для этого здесь:
# build df
df = data.frame(year=c(1:30),
response = runif(30,1,100))
# create function
subsample <- function(df, x, n ){
df %>%
# collaplse the tibble
nest(data=everything()) %>%
# repeat the tibble for number of simulations
slice(rep(1:n(), each = n)) %>%
# add group number, which will be the "nth" trial
mutate(group = c(1:n)) %>%
# expand data
unnest(cols = c(data)) %>%
# group by group number, then subsample n times from each group
group_by(group) %>%
group_map(~ sample_n(.x, x, replace = F)) %>%
# stitch back together and add group number col back
bind_rows(.id="trial") %>%
# arrange by group and year
mutate(trial=as.numeric(trial)) %>%
arrange(trial,year) %>%
# group by subsample and run regression
group_by(trial) %>%
do({
mod = lm(response ~ year, data = .)
data.frame(Intercept = coef(mod)[1],
Slope = coef(mod)[2])
})
}
# test function
subsample(df, x=5, n=2)
# A tibble: 2 x 3
# Groups: simulation [2]
trial Intercept Slope
<dbl> <dbl> <dbl>
1 1 48.5 -0.895
2 2 35.4 -0.275
Отлично, так что это работает, и мы получаем две регрессии (все, что мне нужно, это наклон и пересечение), каждая из которых использует подмножество 5 из 30 лет.
Однако теперь я хочу сделать это со всеми возможными комбинациями лет (так x = c (2:30)), заканчивая df, который должен выглядеть так
# A tibble: 2 x 3
number_of_years trial Intercept Slope
<dbl> <dbl> <dbl> <dbl>
1 2 1 48.5 -0.895
2 2 2 35.4 -0.275
3 3 1 55.2 0.333
4 3 2 34.1 0.224
5 4 1 63.2 -0.359
6 4 2 45.5 -0.241
7 5 1 43.1 0.257
8 5 2 37.9 -0.657
9 6 1 51.0 -0.456
10 6 2 65.6 0.126
Это будет показывать значения регрессии 2 испытаний («n»), каждое из которых использует 2 случайных года (number_of_years, «x»), затем 2 испытания, используя 3 случайных года, 4 случайных года и т. Д. c ... все путь до 30.
Итак, я попытался следовать тому же logi c, как указано выше, но теперь пытаюсь map_group() с созданной мной настраиваемой функцией:
df %>%
# collaplse the tibble
nest(data=everything()) %>%
# repeat the tibble for the number of simulations we want to test (29, in this case)
slice(rep(1:n(), each = (nrow(df)-1))) %>%
# add column for number out of total and unnest
mutate(number_of_years = c(2:(nrow(.)+1))) %>%
select(number_of_years,data) %>% #reorder
unnest(cols =c(data)) %>%
# group by out of total
group_by(number_of_years) %>%
group_map( ~ subsample(.x, x=5, n=2,))
### this is the problematic line!
### this is giving us 2 trials (n=2) of a regression, each using
### x=5 years of sampling. but instead of x=5 years, I want x=number_of_years
### so x should be the same as the grouping variable.
Итак, проблема так как моей функции subsample () требуется 3 входа (df, x, n), мне нужно выяснить, как сделать «x» таким же, как переменная группировки для набора данных. x должно быть (число_лет). Я пытался сделать group_map( ~ subsample(.x,.x$number_of_years,2) и подобные ему варианты, но я не могу понять, как заставить его возвращать 30 таблиц по 2 испытания в каждом, что означает 2 регрессии подвыборок исходного df, но каждая из них использует другое число лет для расчета регрессии.
Я бы хотел остаться в рабочем процессе tidyverse / dplyr / purr, если это возможно.
Спасибо!