[英]Multiple logistic regression comparing multiple categorical predictors and multiple binary outcomes
[英]Univariate logistic regression analysis with glm on multiple predictors
因此,我尝试对我拥有的某些数据进行单因素逻辑回归分析。
基本上我有一个带有1个响应变量和50个预测变量的数据框。
为了对其进行分析,我仅将glm
函数用作:
glm(response_var~predictor_var1, data = mydata, family = binomial(link=logit))
但是,我不想为所有50个预测变量手动执行此操作,并且似乎在这里似乎无法进行循环。 我试图说这样的话:
predictors <- colnames(mydata)[-c(1)]
glm_list <- list()
i <- 1
for (predictor in predictors) {
model <- glm(response_var~predictor, data = mydata, family = binomial(link=logit))
glm_list[[i]] <- model
i <- i + 1
}
所以在这里我只是通过colnames
在数据框中创建一个包含预测变量名称的列表。
但是当这样做时,我只会得到错误:
variable lengths differ (found for 'predictors')
我在这里做错了什么?
尝试使用lapply和as.formula():
"%+%" <- function(x,y) paste(x, y, sep = "")
lapply(predictors, function(x){
glm(as.formula("response_var ~ " %+% x), data = mydata, family = binomial(link = logit))
})
您正在传递一个字符向量,首先必须将其强制为公式。
希望能帮助到你。
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.