R，线性回归的自动循环，在不同的 DV 上使用相同的 IV 来存储系数

Question

Mtcars 有 11 个变量的 32 个观测值。假设 "mpg"、"drat"、"qsec" 是感兴趣的因变量。假设 "cyl" 和 "hp" 是模型类型 1 的自变量，"disp" 是模型类型 2 的自变量。我想自动化一些回归，但不能执行步骤 (2 ) 以下。

我想做什么？

在我的实际数据框上，我感兴趣的因变量比自变量多得多。

我想运行 "lm" 或 "glm" 以下各项：
- mpg~cyl+hp,
- drat~cyl+hp,
- qsec~cyl+hp,
- mpg~disp,
- drat~disp，以及
- qsec~disp
这似乎是我目前最大的问题。我想制作一个新的数据框（估计），其中包含系数估计和 Pr(>|t| ), 例如（假设已填写），

IV DV mpg.Est mpg.Pr drat.Est drat.Pr qsec.Est qsec.Pr cyl -2.26 0.00 .. .. .. .. hp -0.02 0.21 .. .. .. .. disp -0.04 0.00 .. .. .. ..
然后我想将列附加到 "estimates" 以描述每个 IV（cyl、hp、disp）的 Pr 值，例如（假设已填写），

IV stat mean.Pr median.Pr min.Pr max.Pr cyl 0.03 0.02 0.00 0.18 hp .. .. .. .. disp .. .. .. ..

尝试次数

##### Step (1)
## Make the formulae
##   For scale, it would be great to use varlists here:
##     dvvarlist <- c("mpg", "drat", "qsec")
##     ivvarlist <- c("cyl + hp", "disp")
models <- lapply(paste(c("mpg", "mpg", "drat", "drat", "qsec", "qsec"),
    c("cyl + hp", "disp"), sep = "~"), formula)

## Run the regressions
res.models <- lapply(models, FUN = function(x) 
    {summary(lm(formula = x, data = mtcars))})

##### Step (2)
## Spot the coefficients
coefficients(res.models[[1]])

## How to automate grab coefficients from all models?

## How to automate place coefficients in proper location in new dataframe?

##### Step (3)
## Append columns to "estimates"
##   For scale, could again use dvvarlist <- c("mpg", "drat", "qsec")
estimates$mean.Pr <- rowMeans(estimates[ , c("mpg.Est", "drat.Est", "qsec.Est")])

相关链接?

Linear Regression loop for each independent variable individually against dependent
Loop linear regression and saving ALL coefficients

Answer 1

使用基数 R:

 data("mtcars")
 y=c("mpg","drat","qsec")
 x=c("cyl+hp","disp")

 A=Map(function(i,j)
   summary(lm(as.formula(paste0(i,"~",j)),data=mtcars))$coef[,c(1,4)],
   rep(y,each=length(x)),x)   

 B=do.call(cbind.data.frame,
      tapply(A,rep(y,each=length(x)),
       function(s){a=do.call(rbind,s);a[row.names(a)!="(Intercept)",]}))
 B
        drat.Estimate drat.Pr(>|t|) mpg.Estimate mpg.Pr(>|t|) qsec.Estimate qsec.Pr(>|t|)
   cyl   -0.318242238  5.528430e-05  -2.26469360 4.803752e-04  -0.005485698   0.981671077
   hp     0.003401029  6.262861e-02  -0.01912170 2.125285e-01  -0.018339365   0.005865329
   disp  -0.003063904  5.282022e-06  -0.04121512 9.380327e-10  -0.006253039   0.013144036

我还不清楚第三步需要什么。我希望你能进一步详细说明。虽然我查看了您的代码，但您似乎在寻找系数的平均值、系数的中值等。我不知道您是否也在寻找概率的平均值、最大值等，但我只是计算它们以备不时之需：

  C=split(data.frame(t(B)),rep(c("Estimate","Pr(>|t|)"),length(y)))

  D=lapply(C,function(f)
         matrix(mapply(function(i,j) i(j),
                          rep(c(mean,median,min,max),each=length(f)),f),length(f)))

   cbind(B,do.call(cbind.data.frame,lapply(D,`colnames<-`,c("mean","median","min","max"))))


     drat.Estimate drat.Pr(>|t|) mpg.Estimate mpg.Pr(>|t|) qsec.Estimate qsec.Pr(>|t|) Estimate.mean
cyl   -0.318242238  5.528430e-05  -2.26469360 4.803752e-04  -0.005485698   0.981671077   -0.86280718
hp     0.003401029  6.262861e-02  -0.01912170 2.125285e-01  -0.018339365   0.005865329   -0.01135334
disp  -0.003063904  5.282022e-06  -0.04121512 9.380327e-10  -0.006253039   0.013144036   -0.01684402
       Estimate.median Estimate.min Estimate.max Pr(>|t|).mean Pr(>|t|).median Pr(>|t|).min Pr(>|t|).max
  cyl     -0.318242238  -2.26469360 -0.005485698   0.327402245    4.803752e-04 5.528430e-05   0.98167108
  hp      -0.018339365  -0.01912170  0.003401029   0.093674136    6.262861e-02 5.865329e-03   0.21252847
  disp    -0.006253039  -0.04121512 -0.003063904   0.004383106    5.282022e-06 9.380327e-10   0.01314404

我相信您可以将其转换为在一个屏幕上查看，而不是滚动 left/right。如果这有助于让我们知道。谢谢

R，线性回归的自动循环，在不同的 DV 上使用相同的 IV 来存储系数

R, automated loop of linear regressions using same IVs on different DVs to store coefficients

automation

regression

r