循環線性回歸不同的預測變量和結果變量

Question

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。

Answer 1

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。

Answer 2

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