在 R 中的 for 循环内分组

Question

我正在使用科学论文中发现的改进分位数回归函数。(来源：https://arxiv.org/pdf/2111.04805.pdf)

我尝试将这种特定方法应用于我的数据集，但我想根据数据集中的条件执行此分位数回归。这意味着我想实现类似于此处的group_by条件的东西：

qr_models = data %>%
group_by(latitude) %>%
do(model = rq(julian_day~year, tau = 1:99/100, method = "fn", data= .))

它在论文中的编码方式如下，循环是我想添加group_by的地方：

for (i in 1:n) {
alpha = i/(n+1)
alphas[i] = alpha
betas <- smrq(X,y,tau=alpha) 
vals0[i] <- sum(y<(X %*% betas))
}

其中 nn <- 99(选择的分位数分辨率);vals0 <- rep(0,n)和alphas <- rep(0,n).我倾向于避免使用循环，所以我对如何做到这一点有点迷茫。

以防万一需要理解，smrq()函数就是前面提到的论文中描述的函数，编码如下：

smrq <- function(X, y, tau){
p = ncol(X)
op.result <- optim(rep(0, p),
fn = minimize.logcosh,
method = 'BFGS',
X = X,
y = y,
tau = tau)
beta <- op.result$par
return (beta)
}

其中 X 是解释变量矩阵，y 是响应变量。

我希望它足够清楚，如果需要更多详细信息，我很乐意更新我的帖子。非常感谢宝贵的帮助。

Answer 1

考虑将作者的整个处理封装在用户定义的方法中，该方法接收数据(来自作者swiss)作为输入参数以及其他变量，包括公式(来自作者的Fertility ~ .)和响应列(来自作者的"Fertility")。

然后，使用group_by传递数据子集。此外，作者for循环可以重构为矢量化循环，例如sapply或vapply，因为返回是数字向量。

广义函数

minimize.logcosh <- function(par, X, y, tau) {
diff <- y-(X %*% par)
check <- (tau-0.5)*diff+(0.5/0.7)*logcosh(0.7*diff)+0.4
return(sum(check))
}
smrq <- function(X, y, tau){
p <- ncol(X)
op.result <- optim(
rep(0, p),
fn = minimize.logcosh,
method = 'BFGS',
X = X,
y = y,
tau = tau
)
beta <- op.result$par
return(beta)
}
run_smrq <- function(data, fml, response) {
x <- model.matrix(fml, data)[,-1]
y <- data[[response]]
X <- cbind(x, rep(1,nrow(x)))
n <- 99
betas <- sapply(1:n, function(i) smrq(X, y, tau=i/(n+1)))
# betas <- vapply(1:n, function(i) smrq(X, y, tau=i/(n+1)), numeric(1))
return(betas)        
}

来电

测试作者示例

swiss <- datasets::swiss
smrq_models <- run_smrq(data=swiss, fml=Fertility~., response="Fertility")

dplyr(使用group_map)

smrq_models <- data %>%
group_by(latitude) %>%
group_map(~ run_smrq(data=., fml=julian_day~year, response="julian_day")

base(使用by，面向对象的包装器tapply)

smrq_models <- by(
data, 
data$latitude, 
function(sub) run_smrq(data=sub, fml=julian_day~year, response="julian_day")
)