如何在 R 中循環/重復線性回歸

Question

我已經想出了如何在 R 中使用 4 個變量制作表格，我將其用於多元線性回歸。 每個回歸的因變量 (Lung) 取自包含 22,000 列的 csv 表的一列。 自變量之一（血液）取自類似表的相應列。 每列代表一個特定基因的水平，這就是為什么有這么多基因。 還有兩個額外的變量（每個患者的年齡和性別）。 當我輸入線性回歸方程時，我使用 lm(Lung[,1] ~ Blood[,1] + Age + Gender)，它適用於一個基因。 我正在尋找一種方法來輸入這個方程，並讓 R 計算肺和血液的所有剩余列，並希望將系數輸出到表格中。 任何幫助，將不勝感激！

Answer 1

您想運行 22,000 次線性回歸並提取系數嗎？ 從編碼的角度來看，這很容易做到。

set.seed(1)

# number of columns in the Lung and Blood data.frames. 22,000 for you?
n <- 5 

# dummy data
obs <- 50 # observations
Lung <- data.frame(matrix(rnorm(obs*n), ncol=n))
Blood <- data.frame(matrix(rnorm(obs*n), ncol=n))
Age <- sample(20:80, obs)
Gender  <- factor(rbinom(obs, 1, .5))

# run n regressions
my_lms <- lapply(1:n, function(x) lm(Lung[,x] ~ Blood[,x] + Age + Gender))

# extract just coefficients
sapply(my_lms, coef)

# if you need more info, get full summary call. now you can get whatever, like:
summaries <- lapply(my_lms, summary)
# ...coefficents with p values:
lapply(summaries, function(x) x$coefficients[, c(1,4)])
# ...or r-squared values
sapply(summaries, function(x) c(r_sq = x$r.squared, 
                                adj_r_sq = x$adj.r.squared))

模型存儲在一個列表中，其中模型 3（帶有 DV Lung[, 3] 和 IVs Blood[,3] + Age + Gender）在my_lms[[3]] ，依此類推。 您可以使用列表上的應用函數進行匯總，從中可以提取您想要的數字。

Answer 2

問題似乎是關於如何使用在循環內修改的公式調用回歸函數。

以下是您可以這樣做的方法（使用鑽石數據集）：

attach(ggplot2::diamonds)
strCols = names(ggplot2::diamonds)

formula <- list(); model <- list()
for (i in 1:1) {
  formula[[i]] = paste0(strCols[7], " ~ ", strCols[7+i])
  model[[i]] = glm(formula[[i]]) 

  #then you can plot or do anything else with the result ...
  png(filename = sprintf("diamonds_price=glm(%s).png", strCols[7+i]))
  par(mfrow = c(2, 2))      
  plot(model[[i]])
  dev.off()
  }

Answer 3

明智與否，要使循環至少以某種方式工作，您需要：

y<- c(1,5,6,2,5,10) # response 
x1<- c(2,12,8,1,16,17) # predictor 
x2<- c(2,14,5,1,17,17) 
predictorlist<- list("x1","x2") 
for (i in predictorlist){ 
  model <- lm(paste("y ~", i[[1]]), data=df) 
  print(summary(model)) 
} 

粘貼功能將解決問題。

Answer 4

一個 tidyverse 添加 - 使用 map()

另一種方法 - 使用purrr包中的map2() ：

library(purrr)

xs <- anscombe[,1:3] # Select variables of interest
ys <- anscombe[,5:7]

map2_df(ys, xs,
        function(i,j){
          m <- lm(i ~j + x4 , data = anscombe)
          coef(m)
        })

輸出是所有系數的數據幀（tibble）：

  `(Intercept)`     j      x4
1          4.33 0.451 -0.0987
2          6.42 0.373 -0.253 
3          2.30 0.526  0.0518

如果更多變量正在改變，這可以使用pmap()函數來完成

Answer 5

您能幫我如何循環獲得VIF和confint（系數的置信區間）。 對上述代碼進行一些小的更正確實很有幫助。

y<- c(1,5,6,2,5,10) # response 
x1<- c(2,12,8,1,16,17) # predictor 
x2<- c(2,14,5,1,17,17) 
df<-cbind(y,x1,x2)
df<-as.data.frame(df)
predictorlist<- list("x1","x2") 
for (i in predictorlist){ 
    model <- lm(paste("y ~", i[[1]]), data=df) 
    print(summary(model)) 
}