如何使用 lme 和 lmer 回归具有所需预测变量和因变量的协变量列表以及 return a table 系数和 p 值

Question

我有一个包含大量变量的数据集。在数据集中，我有一个预测变量和一个要调查的结果变量。我想找到对结果变量有显着影响的协变量，或者预测变量和协变量之间对结果变量有显着交互作用的协变量。

因此，如果能够使用所需的因变量预测变量依次回归所有协变量并创建 table 协变量及其各自的 p-值。

我想做这样的事情：

library(dplyr)

# Generating sample data
set.seed(5)
df <- data.frame(matrix(round(abs(2*rnorm(100*100)), digits = 0), ncol=100))

# Selecting covariates
covar <- names(df)[! names(df) %in% c("X1", "X2")]

# Running the lm function over the list of covariates. I should get the covariate coefficients from each regression, but I get an error when I try run this step.

coeff <- lapply(covar, function(x){ 
# Retrive coefficient matrix
    summary(lm(X1 ~ X2 + x + X2*x, df))$coefficients %>% 
# Coerce into dataframe and filter for covariates and interaction effects
    as.data.frame(.) %>%
    filter(row.names(.) %in% grep(x, rownames(.), value = 
    TRUE))}) %>%
# Finally I want to join all data frames into one
    bind_rows(.)

我需要一些语法方面的帮助。当我尝试运行函数时出现以下错误：

Error in h(simpleError(msg, call)): error in evaluating the argument 'object' in selecting a method for function 'summary': variable lengths differ (found for 'x')

Answer 1

当您在 function 中使用 x(in lapply) 时，最好使用 paste 作为模型公式而不是仅仅指定它的公式。

lapply(covar, function(x){ 
  modd <- paste0("X1 ~ X2 +", x, "+ X2 *", x)
  summary(lm(modd, df))$coefficients %>% 
    as.data.frame(.) %>%
    filter(row.names(.) %in% grep(x, rownames(.), value = 
                                    TRUE))}) %>%
  bind_rows(.)

如何使用 lme 和 lmer 回归具有所需预测变量和因变量的协变量列表以及 return a table 系数和 p 值

How to regress a list of covariates with a desired predictor and dependent variable and return a table of coefficients and p-values using lme and lmer

r

dplyr

lapply

lm