如何根據data.frame列（R）定義函數參數？

Question

我有一個運行線性模型的最大似然估計的腳本。該模型有幾個變量，我需要偶爾改變它們，也許增加或減少一些。以通常的方式來定義似然函數是這樣的：

LL <- function(beta0, beta1, beta2, mu, sigma){ 
    R = y - beta0*X$x0 + beta1*X$x1 + beta2*X$x2 
    R = dnorm(R, mu, sigma, log = T) 
    -sum(R) 
} 

我有data.frame X在向量y和協變量的因變量：

X <- data.frame(x0 = 1, x1 = runif(100), x2 = runif(100)*2) 
y <- X$x0 + X$x1 + X$x2 + rnorm(100) 

現在變量的量是受變化通過應用程序，我需要重新制定功能，以便爲有在data.frame X.我已經能夠重新制定這更一般的形式列將採取儘可能多的協變量：

cols <- 0:(ncol(X)-1) 
betas <- paste0("beta", cols) 
eqR <- paste0("y - ", paste0(betas, "*X$x", cols, collapse = " - ")) 

LL <- function(beta0, beta1, beta2, mu, sigma){ 
    R = as.formula(eqR) 
    R = dnorm(R, mu, sigma, log = T) 
    -sum(R) 
} 

我仍然在努力尋找一種方法來動態地定義函數，以便它將採用與協變量矩陣中的列相同數量的beta參數。省略號在這裏可能有用嗎？我也試圖與do.call：

require(stats4) 
fit <- mle(LL, start = list(beta0 = 0, beta1 = 0, beta2 = 0, mu = 0, sigma = 1)) 

的任何想法：

LL <- function(betas, mu, sigma){ 
    R <- do.call(dnorm(as.formula(eqR), mu, sigma, log = T), betas) 
    -sum(R) 
} 

當你擬合模型，它在初始值的列表中的另一個攔路虎這不起作用？

編輯：

我提出了一些預先與bbmle包：

require(bbmle) 

dfModel <- cbind(y, X) 
cols <- 0:(ncol(X)-1) 
betas <-paste0("beta",cols) 

betaList <- as.list(rep(0), length(betas))) 
names(betaList) <- betas 
initList <- c(betaList, mu = 0, sigma = 1) 

fitML <- mle2(mu ~ dnorm(mean = y - beta0*x0 - beta1*x1 - beta2*x2, sd = sigma), 
       start = initList, 
       data = dfModel) 

上面的示例的工作原理。但是當我嘗試用as.formula事先定義函數時，我無法使它工作。所以以下不起作用。

eqR <- paste0("y - ", paste0(betas, "*x", cols, collapse = " - ")) 

fitML <- mle2(mu ~ dnorm(mean = as.formula(eqR), sd = sigma), 
       start = initList, 
       data = dfModel) 

的錯誤信息是：

錯誤的eval（表達式，ENVIR，enclos）：對象beta0'未找到

我懷疑這可能有一些做在dnorm和as.formula之間的範圍 - 衝突？我無法找到解決方法。

Answer 1

嘗試這種情況：

betas = c(0,0,0) 
X <- data.frame(x0 = 1, x1 = runif(100), x2 = runif(100)*2) 
y <- apply(X,1,sum) + rnorm(100) 

其中betas是（B0，B1，B2，...等）和其長度必須等於X列數。
因爲X可以有不同數量的列y應該如上定義。

你LL功能應更改爲：

LL <- function(betas, mu, sigma){ 

    R = y - as.matrix(X) %*% as.matrix(betas) 

    R = dnorm(R, mu, sigma, log = T) 
    -sum(R) 
} 

其中%*%是矩陣產品。這是一樣的做得b[1]*X[,1] + b[2]*X[,2] + b[3]*X[,3] + ... + b[n]*X[,n]

隨着這些改變，可以有數據幀X與任何數量的列，betas相同的長度的X列的陣列。

我希望我明白你的需要。