循环数据帧列表中列的 lm 模型并输出显示斜率和 p 值的数据帧

Question

我想在按因子拆分的数据帧列表中使用解释变量循环变量i （响应）的lm()模型。 最后，我想创建两个显示lm系数的数据框：第一个显示slope ，第二个显示p.value ，其中在模型中测试的响应变量作为 cols 和行中的因子水平。

我设法运行并打印了lm模型summary的 output，但不确定如何创建适当的slope和p.value数据帧。

这是我所做的：

data (iris)
iris_split = split (iris,f=iris$Species) ### Split the data by factor "Species"

我想用Petal.Width为以下每个变量运行 lm 模型（出于问题的考虑被视为响应）

vars = as.vector (unique (colnames (subset (iris, select = -c(Species, Petal.Width )))))

#Output:
#> vars
#[1] "Sepal.Length" "Sepal.Width"  "Petal.Length"

iris_lm = for (i in vars) { # loop across vars
  lm_summary = lapply (iris_split, FUN = function(x) 
                summary(lm (x[,i] ~ x[,"Petal.Width"]))) #Where (x) is levels of factors "Species"
                print(i) # so I could see which variable is tested in the model
                print(lm_summary)
}

如何创建slop.df和p.val.df ？ 他们需要看起来像这样：

#> slop.df
#     Species Sepal.Length Sepal.Width Petal.Length
#1     setosa       slope?      slope?       slope?
#2 versicolor       slope?      slope?       slope?
#3  virginica       slope?      slope?       slope?

需要显示实际斜率而不是"slope?" 占位符，同样适用于p.val.df

Answer 1

来自 [tidyverse][1] 的包使这相当方便：

iris %>% 
    pivot_longer(-c(Species, Petal.Width),
                 names_to = 'variable',
                 values_to = 'value'
                 ) %>% 
    group_by(Species, variable) %>% 
    ## mind to return the model results as a list!
    summarise(model_summary = list(summary(lm(Petal.Width ~ value)))) %>% 
    rowwise %>%
    mutate(slope = model_summary$coefficients[2, 'Estimate'],
           ## p = model_summary$coefficients[2, 'Pr(>|t|)']
           ) %>%
    ungroup %>%
    pivot_wider(id_cols = Species,
                names_from = 'variable',
                values_from = 'slope')