按分组执行回归并提取studentized.residuals与预测值问题求助

我尝试在数据集上按Location分组运行线性模型Y ~ X1 + X2，目标是在原数据集中新增“predicted values”和“studentized_residuals”两列。以下代码能生成部分有效结果，但仅对第一个分组生效：

library("tidyverse")
library(broom)
df <- as.data.frame(dataset)
df$Y <- as.numeric(df$Y)
df$X1 <- as.factor(df$X1)
df$X2 <- as.factor(df$X2)

by_group <- group_by(df, location)
model <- do(by_group, augment(lm(Y ~ X1 + X2, data = .)))
df$predicted <- model$.fitted
df$stud_resids <- model$.std.resid  

数据集示例：

Location    Y   X1  X2
1           32  1   1
1           44  1   2
1           58  1   3
1           76  2   1
1           73  2   2
1           37  2   3
1           52  3   1
1           78  3   2
1           60  3   3
2           93  1   1
2           78  1   2
2           25  1   3
2           97  2   1
2           85  2   2
2           60  2   3
2           70  3   1
2           62  3   2
2           95  3   3

解决方案 #

原代码的核心问题有两个：

1. 分组列名不匹配：数据集里的列是Location（首字母大写），但代码里用的是location（小写），导致分组逻辑错误。
2. 直接赋值新列时，没有确保拟合结果和原数据集的行完全对应，容易出现错位。

以下两种修正方法均可解决问题：

方法1：使用group_modify #

library(tidyverse)
library(broom)

# 数据预处理，统一列名格式并转换变量类型
df <- as.data.frame(dataset) %>%
  mutate(
    Y = as.numeric(Y),
    X1 = as.factor(X1),
    X2 = as.factor(X2),
    Location = as.factor(Location)
  )

# 分组拟合模型并合并结果
df_with_results <- df %>%
  group_by(Location) %>%
  group_modify(~ augment(lm(Y ~ X1 + X2, data = .x))) %>%
  ungroup() %>%
  rename(
    predicted = .fitted,
    stud_resids = .std.resid
  )

方法2：使用nest + map #

library(tidyverse)
library(broom)

# 数据预处理（同上）
df <- as.data.frame(dataset) %>%
  mutate(
    Y = as.numeric(Y),
    X1 = as.factor(X1),
    X2 = as.factor(X2),
    Location = as.factor(Location)
  )

# 嵌套分组数据，拟合模型后展开结果
df_with_results <- df %>%
  group_by(Location) %>%
  nest() %>%
  mutate(
    model = map(data, ~ lm(Y ~ X1 + X2, data = .x)),
    augmented = map(model, augment)
  ) %>%
  select(-data, -model) %>%
  unnest(augmented) %>%
  rename(
    predicted = .fitted,
    stud_resids = .std.resid
  ) %>%
  ungroup()

两种方法都会自动将每个分组的拟合结果与原数据正确合并，确保所有分组的预测值和学生化残差都能对应到正确的行。

内容的提问来源于stack exchange，提问作者Betty888