[英]Loop linear regression different predictor and outcome variables
我是R的新手,但正在慢慢學習它來分析數據集。
假設我有一個數據框,其中包含8個變量和20個觀察值。 在8個變量中,V1-V3是預測變量,V4-V8是結果。
B = matrix(c(1:160),
nrow = 20,
ncol = 8,)
df <- as.data.frame(B)
使用car
包裝,執行簡單的線性回歸,顯示摘要和置信區間為:
fit <- lm(V4 ~ V1, data = df)
summary(fit)
confint(fit)
如何編寫代碼( loop
或apply
),以使R分別對每個結果的每個預測變量進行回歸,並提取系數和置信區間? 我意識到我可能會在跑步之前嘗試跑步,但是任何幫助將不勝感激。
您可以將行包裹起來,並為每個預測變量(當然,不包括目標變量)訓練線性模型。
my.target <- 4
my.predictors <- 1:8[-my.target]
lapply(my.predictors, (function(i){
fit <- lm(df[,my.target] ~ df[,i])
list(summary= summary(fit), confint = confint(fit))
}))
您獲得列表列表。
因此,我自己的數據中返回錯誤的代碼是:
my.target <- metabdata[c(34)]
my.predictors <- metabdata[c(18 : 23)]
lapply(my.predictors, (function(i){
fit <- lm(metabdata[, my.target] ~ metabdata[, i])
list(summary = summary(fit), confint = confint(fit))
}))
返回值:
Error: Unsupported index type: tbl_df
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.