如何确定rollapply滚动窗口线性回归中所使用的数据点？

我正在使用rollapply函数，基于3天的滚动窗口计算不同日期荧光数据的斜率估计值（以寻找最大斜率）。以下是我使用的代码：

ls <- cumulative_df %>%
group_by(id) %>%
filter(n() >= 3) %>%
filter(id!="Blank") %>%
group_split()
z_out <- data.frame(intercept = NA, mu = NA, rsqr = NA, id = NA)
k <- moving_window_point_number
for (i in seq_along(ls)) {
z <- ls[[i]] %>% select(day, lRFU)
tmp_df1 <- rollapply(z, width = k,
                   function(x) coef(lm(lRFU ~ day, data = as.data.frame(x))),
                   by.column = FALSE, align = "right")
tmp_df2 <- rollapply(z, width = k,
                   function(x) summary(lm(lRFU ~ day, data = as.data.frame(x)))$r.squared,
                   by.column = FALSE, align = "right")
tmps <- data.frame(intercept = tmp_df1[,1], mu = tmp_df1[,2], rsqr = tmp_df2) %>% arrange(-mu)
z_out[i,1:3] <- as.numeric(c(tmps[1,1], tmps[1,2], tmps[1,3]))
z_out[i,4] <- as.character(unique(ls[[i]]$id))

tmp_df1 <- NULL
tmp_df2 <- NULL
tmps <- NULL
z <- NULL
}
 write_xlsx(z_out,
 paste0(output_dir, cond_new, "gr_estimates_k", k, ".xlsx"))

我不确定该如何着手确定滚动窗口线性回归中所使用的数据点。

要确定滚动窗口线性回归用到的数据点，你可以从这几个方向入手：

1. 自定义函数记录窗口数据范围 #

修改rollapply的调用逻辑，用自定义函数一次性返回回归参数、R²和窗口内的日期信息，避免重复计算：

custom_roll_fun <- function(x) {
  df <- as.data.frame(x)
  lm_fit <- lm(lRFU ~ day, data = df)
  # 记录窗口的起始、结束日期，以及所有参与的日期值
  start_day <- min(df$day)
  end_day <- max(df$day)
  included_days <- paste(df$day, collapse = ", ")
  # 返回所有需要的信息
  c(intercept = coef(lm_fit)[1],
    mu = coef(lm_fit)[2],
    rsqr = summary(lm_fit)$r.squared,
    start_day = start_day,
    end_day = end_day,
    included_days = included_days)
}

替换原代码中两个rollapply的调用，用这个函数一次性生成结果：

z <- ls[[i]] %>% select(day, lRFU)
tmp_df <- rollapply(z, width = k, custom_roll_fun, by.column = FALSE, align = "right")
tmp_df <- as.data.frame(tmp_df)

后续筛选最大斜率时，就能直接看到对应窗口用到的具体日期。

2. 明确窗口对齐逻辑 #

你的代码使用align = "right"，这意味着每个窗口的右端点对应当前数据行的位置：

• 若k=3，第3行数据对应的窗口是第1-3行的day值
• 第4行数据对应的窗口是第2-4行的day值
  以此类推。可以通过计算输出行数验证：nrow(tmp_df)应该等于nrow(z) - k + 1，对应每个右对齐的窗口数量。

3. 绑定原始数据索引 #

如果数据的day不是连续值，或者需要精准定位原始数据行，可以给子集添加行号，再在自定义函数中返回索引范围：

z <- ls[[i]] %>% select(day, lRFU) %>% mutate(row_idx = row_number())
custom_roll_fun <- function(x) {
  df <- as.data.frame(x)
  lm_fit <- lm(lRFU ~ day, data = df)
  start_idx <- min(df$row_idx)
  end_idx <- max(df$row_idx)
  included_idx <- paste(df$row_idx, collapse = ", ")
  c(intercept = coef(lm_fit)[1],
    mu = coef(lm_fit)[2],
    rsqr = summary(lm_fit)$r.squared,
    start_idx = start_idx,
    end_idx = end_idx,
    included_idx = included_idx)
}

通过这些索引，你可以直接从原始cumulative_df中提取对应数据点进行验证。

4. 可视化验证窗口数据 #

对于需要直观确认的情况，可针对单个ID，将最大斜率对应的窗口数据高亮展示：

# 找到当前ID下斜率最大的窗口
max_slope_row <- tmp_df %>% arrange(-mu) %>% slice(1)
# 提取窗口对应的原始数据
window_data <- z %>% filter(day >= max_slope_row$start_day, day <= max_slope_row$end_day)
# 绘图展示
library(ggplot2)
ggplot(z, aes(x = day, y = lRFU)) +
  geom_point(color = "gray") +
  geom_line(data = window_data, aes(x = day, y = lRFU), color = "red", linewidth = 1.2) +
  geom_abline(intercept = max_slope_row$intercept, slope = max_slope_row$mu, color = "blue", linetype = "dashed") +
  ggtitle(paste("ID:", unique(ls[[i]]$id), "最大斜率窗口数据"))

这样就能直观看到哪些数据点被用来计算这个最大斜率。

内容的提问来源于stack exchange，提问作者Shravan Ram