r - model.frame 和更新

Question

在 R 中，您可能已经估计了一个具有对数转换因变量的模型:

mfit <- lm(
    formula = log(salary) ~ yrs.service + yrs.since.phd, 
    data    = Salaries
  )

然后您可能想要更改模型框架并调用更新以重新调整模型:

n     <- nrow(Salaries)
mfr   <- model.frame(mfit)[sample(1:n, size=n, replace=TRUE),]
mfit2 <- update(mfit, data = mfr)

这将导致错误:

Error in eval(expr, envir, enclos) : object 'salary' not found

原因是公式还有因变量 log(salary)模型框架中的变量称为 log(salary) . R认为可以找到 salary然后调用 log在上面。如果没有重新采样，同样的错误也会发生，这个例子只是说明了为什么人们可能想要这样做。

上面的过程来自执行重新采样行的 Bootstrap 包。这种行为是意料之中的，还是一个错误？我知道可以通过转换 data 参数中的变量来解决它，但这似乎很烦人并且被忽视了......

Answer 1

而不是从 model.frame(mfit) 采样, 您可以从 na.omit(get_all_vars(myformula, Salaries)) 中取样反而。因此，您的示例将变为以下内容:

myformula <- log(salary) ~ yrs.service + yrs.since.phd

mfit <- lm(formula = myformula, data = Salaries)

n       <- nrow(Salaries)
newdata <- na.omit(get_all_vars(myformula, Salaries))[sample(1:n, size=n, replace=TRUE),]
mfit2   <- update(mfit, data = newdata)

我们可以使用下面的简单示例来确认 model.frame(myformula, df)和 na.omit(get_all_vars(myformula, df))从数据框中选择相同的原始(未转换)数据:

df <- data.frame(w = rnorm(10), x = rnorm(10), y = rnorm(10), z = rnorm(10))
df[1, 1] <- NA
df[2, 2] <- NA
df[3, 3] <- NA
df[4, 4] <- NA

identical(data.frame(na.omit(get_all_vars(z ~ w + x, df))), data.frame(model.frame(z ~ w + x, df)))
# [1] TRUE

请注意，我包装了 na.omit(get_all_vars(...)) 的结果和 model.frame(...)在 data.frame只是为了比较目的而删除无关的属性。当然， model.frame做额外的工作，比如在你的例子中记录转换工资。但是，如果您只需要对原始数据进行采样，那么 na.omit(get_all_vars(...))工作正常，然后您可以将新数据框传递给 lm或 update .