在lm（）調用中更新數據

lm調用對象的數據部分是否有等價更新？在lm（）調用中更新數據

例如，假設我有以下型號：

dd = data.frame(y=rnorm(100),x1=rnorm(100)) 
Model_all <- lm(formula = y ~ x1, data = dd)

有沒有對LM對象上進行操作的方法有等同的效果：

Model_1t50 <- lm(formula = y ~ x1, data = dd[1:50,])

我試圖構建一些出自樣本預測測試的psudo，並且擁有單個lm對象並簡單地滾動數據將非常方便。

來源

2013-01-19 ricardo

爲什麼不只是重做'lm'調用，就像你在那裏做的那樣？ –

@DavidRobinson，因爲我想將'lm（）'對象傳遞給'$ model'中的函數和子集。下面是一個例子：'model_1t50_2 = update（Model_all，data = Model_all $ model [1:50，]）' – ricardo

我相當確定update實際上做你想做的！

example(lm) 
dat1 <- data.frame(group,weight) 
lm1 <- lm(weight ~ group, data=dat1) 
dat2 <- data.frame(group,weight=2*weight) 
lm2 <- update(lm1,data=dat2) 
coef(lm1) 
##(Intercept) groupTrt 
##  5.032  -0.371 
coef(lm2) 
## (Intercept) groupTrt 
##  10.064  -0.742

如果你希望從這樣的一個效率芻議增益，你會很失望 - R的只是代以新的參數，並重新評估調用（見update.default代碼）。但它確實使代碼更加清潔......

來源

2013-01-20 01:45:26

+1，已接受。謝謝 - 我不知何故錯過了。 – ricardo

biglm對象可以更新爲包含更多數據，但不會更少。所以你可以按照相反的順序做到這一點，從較少的數據開始並添加更多的數據。見http://cran.r-project.org/web/packages/biglm/biglm.pdf

不過，我懷疑你感興趣的估計亞羣（參數即如果行1:50對應於因子變量factrvar的"a"水平。在這種情況下，你應該使用的互動公式（~factrvar*x1中），而而不是data[1:50,]的子集，這種類型的相互作用將給出factrvar的每個級別的不同效果估計，這比分別估計每個參數更有效，並且將限制任何附加參數（即，x2在~factrvar*x1 + x2中）在factrvar - 如果您對相同的模型多次估計到不同的子集，則x2每次都會收到一個單獨的參數估計值。

來源

2013-01-19 23:52:51 Michael

+1，非常有幫助。我很可能會在某個時候做到這一點，但在這種情況下，這是一個更加香草的要求。 – ricardo

在lm（）調用中更新數據

回答

相關問題