[英]R Loop for Variable Names to run linear regression model
首先,我对此很陌生,因此我的方法/想法可能是错误的,我已经使用R和R studio将xlsx数据集导入到数据框中。 我希望能够遍历列名以获取所有变量,其中所有变量的准确值为“ 10 ”,以便运行简单的线性回归。 所以这是我的代码:
indx <- grepl('_10_', colnames(data)) #list returns all of the true values in the data set
col10 <- names(data[indx]) #this gives me the names of the columns I want
这是我有的for循环,返回错误:
temp <- c()
for(i in 1:length(col10)){
temp = col10[[i]]
lm.test <- lm(Total_Transactions ~ temp[[i]], data = data)
print(temp) #actually prints out the right column names
i + 1
}
甚至可以运行一个循环来将这些变量放入线性回归模型中? 我得到的错误是:“ model.frame.default中的错误(公式= Total_Transactions〜temp [[i]] ,:可变长度不同(为'temp [[i]]'找到))”。如果有人可以指点我朝着正确的方向前进,我将非常感谢。
好的,我将发布答案。 我将以数据集mtcars
为例。 我相信它将与您的数据集一起使用。
首先,我创建一个商店lm.test
,一个类list
的对象。 在您的代码中,每次循环时都要分配lm(.)
的输出,最后您将只有最后一个输出,所有其他输出都将由较新的输出重写。
然后,在循环内部,我使用函数reformulate
来组合回归公式。 还有其他方法可以做到这一点,但这很简单。
# Use just some columns
data <- mtcars[, c("mpg", "cyl", "disp", "hp", "drat", "wt")]
col10 <- names(data)[-1]
lm.test <- vector("list", length(col10))
for(i in seq_along(col10)){
lm.test[[i]] <- lm(reformulate(col10[i], "mpg"), data = data)
}
lm.test
现在,您可以将结果列表用于所有事情。 我建议您开始lapply
使用lapply
和朋友。
例如,要提取系数:
cfs <- lapply(lm.test, coef)
为了获得摘要:
smry <- lapply(lm.test, summary)
熟悉*apply
函数后,它变得非常简单。
您可以创建一个临时子集,在其中仅选择回归中使用的列。 这样,您无需在公式中插入临时名称。
坚持您的代码,这应该可以解决问题。
for(i in 1:length(col10)){
tempSubset <- data[,c("Total_Transactions", col10[i]]
lm.test <- lm(Total_Transactions ~ ., data = tempSubset)
i + 1
}
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.