如何 Loop/Repeat R 中的线性回归

Question

我已经弄清楚如何使用 4 个变量在 R 中创建 table，我将其用于多元线性回归。每个回归的因变量 (Lung) 取自 22,000 列的 csv table 的一列。其中一个自变量（Blood）取自类似table.

的对应列

每一列代表一个特定基因的水平，这就是为什么有这么多。还有两个附加变量（每个患者的 Age 和 Gender）。当我输入线性回归方程时，我使用 lm(Lung[,1] ~ Blood[,1] + Age + Gender)，它适用于一个基因。

我正在寻找一种方法来输入这个方程式并让 R 计算 Lung 和 Blood 的所有剩余列，并希望将系数输出到 table。

如有任何帮助，我们将不胜感激！

Answer 1

您想运行 22,000 个线性回归并提取系数？从编码的角度来看，这很容易做到。

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))

模型存储在列表中，其中模型 3（DV Lung[ 3] 和 IVs Blood[3] + 年龄 + 性别）在 my_lms[[3]] 中，依此类推。您可以使用列表上的应用函数来执行汇总，从中您可以提取您想要的数字。

Answer 2

问题似乎是关于如何使用在循环内修改的公式调用回归函数。

以下是您可以在（使用钻石数据集）中执行此操作的方法：

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

明智与否，要使循环至少以某种方式工作，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)) 
}

粘贴功能可以解决问题

Answer 4

Tidyverse 添加 - 使用 map()

另一种方法 - 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)
        })

输出是所有系数的数据帧（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

如果要更改更多变量，可以使用 pmap() 函数

如何 Loop/Repeat R 中的线性回归

How to Loop/Repeat a Linear Regression in R

loops

r

repeat

linear-regression