如何在R中的循环中进行统计并保存结果

Question

在建模中，对依赖于线性，二次方，三次方和四元（？）形式的独立变量进行单变量回归是有帮助的，以查看哪个捕获了统计数据的基本形状。 我是一个相当新的R程序员，需要一些帮助。

这是伪代码：

for i in 1:ncol(data)
  data[,ncol(data) + i] <- data[, i]^2     # create squared term
  data[,ncol(data) + i] <- data[, i]^3     # create cubed term
  ...and similarly for cubed and fourth power terms

# now do four regressions starting with linear and including one higher order term        each time and display for each i the form of regression that has the highest adj R2.

 lm(y ~ data[,i], ... )
 # retrieve R2 and save indexed for linear case in vector in row i
 lm(y tilda data[,i], data[,ncol(data) + i, ...]
 # retrieve R2 and save...

结果是在原始x变量的数据中由i用列名索引的数据帧，以及四个回归中的每个回归的结果（均使用截距项运行）。

通常，我们通过查看图来执行此操作，但是在这里有800个变量是不可行的。

如果您真的想帮忙编写代码，以自动将所需数量的指数变量插入数据中。

而且，这甚至都不会处理聚集在几个簇中或仅与一个值相关的扭曲变量，等等。

Answer 1

我想说的最好的方法是使用R， poly()的多项式函数。 假设您有一个独立的数字变量x和一个数字响应变量y 。

models=list()
for (i in 1:4)
    models[[i]]=lm(y~poly(x,i),raw=TRUE)

raw=TRUE部分可确保模型使用原始多项式，而不使用正交多项式。

如果要获得其中一个模型，只需键入models[[1]]或models[[2]]等。