通过不同的数据框进行回归

Question

我有几个数据框（名称不同），如下所示，行数和列数相同，但最后一列的名称不同。

df1:

ID  matching_variable   STATUS  code_1
1   1   1   1
2   1   0   1
3   2   1   0
4   2   1   0

df2:

ID  matching_variable   STATUS  code_2
1   1   1   1
2   1   0   0
3   2   1   0
4   2   1   1

我有大约十几个这样的 df，我想为每个 df 做这种风格的逻辑回归：

fit1<-clogit(STATUS~code_1+strata(matching_variable),data=df1)
fit2<-clogit(STATUS~code_2+strata(matching_variable),data=df2)

等等……

我想创建一个函数来“自动化”这个（无需编写所有回归）并将回归的所有输出放在一个新的 table.

中

我想过使用类似这个函数的东西：（但是由于我对 df 和最后一列的名称不同，所以我卡住了...）

list<-list(df1,df2)

results<- lapply(list, function(x) {clogit(STATUS ~ code_??? + strata(matching_variable), data=???, l)})

提前谢谢你。

Answer 1

创建一个自定义函数，找到最后一列并将其作为公式在 clogit 中使用，如下所示，未测试：

myClogit <- function(d){
  lastColName <- tail(colnames(d), 1)
  f <- as.formula(
    paste("STATUS ~", lastColName, "+ strata(matching_variable)"))
  clogit(f, data = d)
  }

然后 make a list of dataframes 并循环：

lapply(list(df1, df2), myClogit)

Answer 2

另一种可能的解决方案，基于purrr::map：

library(purrr)
library(survival)

map(list(df1, df2), ~ clogit(STATUS ~ .x[,4] + strata(matching_variable), data=.x)) 

#> Warning in coxexact.fit(X, Y, istrat, offset, init, control, weights =
#> weights, : Ran out of iterations and did not converge
#> [[1]]
#> Call:
#> clogit(STATUS ~ .x[, 4] + strata(matching_variable), data = .x)
#> 
#>         coef exp(coef) se(coef)  z  p
#> .x[, 4]   NA        NA        0 NA NA
#> 
#> Likelihood ratio test=0  on 0 df, p=1
#> n= 4, number of events= 3 
#> 
#> [[2]]
#> Call:
#> clogit(STATUS ~ .x[, 4] + strata(matching_variable), data = .x)
#> 
#>              coef exp(coef)  se(coef)     z     p
#> .x[, 4] 2.020e+01 5.943e+08 2.438e+04 0.001 0.999
#> 
#> Likelihood ratio test=1.39  on 1 df, p=0.239
#> n= 4, number of events= 3

通过不同的数据框进行回归

Regression through different data frames

loops

r

dataframe

logistic-regression