在多个预测变量上进行glm的单变量logistic回归分析

Question

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？

Answer 1

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。