在回归函数中添加大量预测变量的循环函数
Loop function to add large numbers of predictors in regression function
我想改进在回归函数中插入预测变量的方法:
fm <- lm(formula= df$dependent_variable ~ df[,2] + df[,3]+ df[,4], data = df)
df = data.frame
在这个例子中,我只放置了 4 个预测变量和 1 个 dependent_variable。实际上我有 191 个预测变量。我想我需要一个循环脚本来放置所有这些预测变量。
建议?
这是一种可能的解决方案:
yname<-"DVnamehere"
xnames<-colnames(dat)
xnames<-xnames[-which(xnames==yname)]
formula<-as.formula(paste(yname,"~",paste(xnames,collapse="+")))
model<-lm(formula,data=dat)
summary(model)
虽然这不是一个循环,但它只需要您指定因变量的名称,并使用数据集中的其余变量作为预测变量,然后将所有内容放入回归公式。这有帮助吗?
我想改进在回归函数中插入预测变量的方法:
fm <- lm(formula= df$dependent_variable ~ df[,2] + df[,3]+ df[,4], data = df)
df = data.frame
在这个例子中,我只放置了 4 个预测变量和 1 个 dependent_variable。实际上我有 191 个预测变量。我想我需要一个循环脚本来放置所有这些预测变量。 建议?
这是一种可能的解决方案:
yname<-"DVnamehere"
xnames<-colnames(dat)
xnames<-xnames[-which(xnames==yname)]
formula<-as.formula(paste(yname,"~",paste(xnames,collapse="+")))
model<-lm(formula,data=dat)
summary(model)
虽然这不是一个循环,但它只需要您指定因变量的名称,并使用数据集中的其余变量作为预测变量,然后将所有内容放入回归公式。这有帮助吗?