如何在按sku分组的回归分析中集成true.revenue与true.profit函数？

问题背景 #

给定包含sku、价格、需求、成本等字段的数据集，需要按sku分组拟合hist.demand ~ hist.prices的回归模型，计算最优收益价格和最优利润价格，并使用自定义函数true.revenue和true.profit计算对应最优值，但原代码因函数依赖未明确传入参数而报错，需调整流程实现整合。

解决方案 #

1. 修正自定义函数定义 #

原函数依赖未显式传入的全局变量，需修改为接收回归系数、单位成本等参数的形式，确保在分组计算时能正确获取每个组的对应值：

# 计算最优收益：p * 需求，需求由回归模型demand = intercept + slope*p得到
true.revenue <- function(p, intercept, slope) {
  demand <- intercept + slope * p
  p * demand
}

# 计算最优利润：(p - 单位成本) * 需求
true.profit <- function(p, intercept, slope, unity_cost) {
  demand <- intercept + slope * p
  (p - unity_cost) * demand
}

2. 调整分组回归流程 #

使用dplyr的group_by() + reframe()语法（替代原nest操作），按sku分组拟合模型、提取系数、计算最优价格及对应收益/利润：

library(dplyr)
library(tidyr)

# 加载数据集
dat <- structure(list(sku = c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
        1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L), period = c("30.09.2021", 
        "14.03.2019", "01.04.2022", "18.02.2022", "07.07.2021", "09.10.2020", 
        "17.01.2019", "10.11.2020", "14.07.2021", "10.09.2019", "31.01.2019", 
        "01.07.2021", "30.09.2021", "14.03.2019", "01.04.2022", "18.02.2022", 
        "07.07.2021", "09.10.2020", "17.01.2019", "10.11.2020", "14.07.2021", 
        "10.09.2019", "31.01.2019", "01.07.2021"), hist.prices = c(3728.16, 
        34899.84, 6126, 1789.44, 18098.4, 15633.6, 26174.88, 2401.56, 
        12668.88, 239500.8, 26174.88, 5429.52, 3728.16, 34899.84, 6126, 
        1789.44, 18098.4, 15633.6, 26174.88, 2401.56, 12668.88, 239500.8, 
        26174.88, 5429.52), hist.revenue = c(178951.68, 20102307.84, 
        367560, 42946.56, 4343616, 3752064, 11307548.16, 86456.16, 2128371.84, 
        965667225.6, 11307548.16, 390925.44, 178951.68, 20102307.84, 
        367560, 42946.56, 4343616, 3752064, 11307548.16, 86456.16, 2128371.84, 
        965667225.6, 11307548.16, 390925.44), hist.demand = c(254L, 276L, 
        272L, 250L, 299L, 297L, 291L, 260L, 270L, 275L, 295L, 279L, 254L, 
        276L, 272L, 250L, 299L, 297L, 291L, 260L, 270L, 275L, 295L, 279L
        ), hist.cost = c(12572.6698, 10498.9848, 14949.392, 13160.5, 
        14557.9512, 12443.3199, 10692.3294, 10893.116, 13145.976, 10222.6025, 
        10982.9975, 13584.1752, 12572.6698, 10498.9848, 14949.392, 13160.5, 
        14557.9512, 12443.3199, 10692.3294, 10893.116, 13145.976, 10222.6025, 
        10982.9975, 13584.1752), unity.cost = c(49.4987, 38.0398, 54.961, 
        52.642, 48.6888, 41.8967, 36.7434, 41.8966, 48.6888, 37.1731, 
        37.2305, 48.6888, 49.4987, 38.0398, 54.961, 52.642, 48.6888, 
        41.8967, 36.7434, 41.8966, 48.6888, 37.1731, 37.2305, 48.6888
        ), hist.profit = c(1336L, 1592L, 1128L, 1882L, 1387L, 1818L, 
        1357L, 1087L, 1253L, 1009L, 1092L, 1804L, 1336L, 1592L, 1128L, 
        1882L, 1387L, 1818L, 1357L, 1087L, 1253L, 1009L, 1092L, 1804L
        )), class = "data.frame", row.names = c(NA, -24L))

# 执行分组计算
result <- dat %>%
  group_by(sku) %>%
  reframe(
    # 拟合每个sku的需求-价格回归模型
    model = list(lm(hist.demand ~ hist.prices)),
    # 提取回归截距和斜率（对应你描述的x和beta系数）
    intercept = coef(model[[1]])[["(Intercept)"]],
    slope = coef(model[[1]])[["hist.prices"]],
    # 处理单位成本：取该sku的平均单位成本（可根据需求调整为最新值/中位数等）
    avg_unity_cost = mean(unity.cost),
    # 计算最优收益价格和最优利润价格的公式
    p.revenue = -intercept / (2 * slope),
    p.profit = (slope * avg_unity_cost - intercept) / (2 * slope),
    # 调用自定义函数计算最优收益和利润
    opt.revenue = true.revenue(p.revenue, intercept, slope),
    opt.profit = true.profit(p.profit, intercept, slope, avg_unity_cost)
  ) %>%
  # 移除模型列（可选，根据需要保留）
  select(-model)

# 查看结果
print(result)

3. （可选）将最优值合并回原数据集 #

如果需要每个原始数据行都带上对应sku的最优值，可使用left_join：

dat_with_opt <- dat %>%
  left_join(result, by = "sku")

关键点说明 #

• 参数显式传递：自定义函数必须接收intercept（回归截距）、slope（回归斜率）、unity_cost（单位成本）等参数，避免依赖全局变量，确保分组计算时每个组使用自身的系数。
• 单位成本处理：你的数据中每个sku的unity.cost存在多行不同值，示例中取平均值，可根据业务需求调整为最新记录值、中位数或其他统计量。
• 回归系数命名：原代码中beta和alpha的命名易混淆，示例中明确用intercept（截距）和slope（斜率）对应你描述的x和beta系数，提升代码可读性。

内容的提问来源于stack exchange，提问作者psysky