Question

我有一个数据集，我将其称为 dataset1 ，带有预测变量（例如 Price ）。我希望根据数据集中存在的 n 其他预测变量得到一个很好的单一预测价格。但如果 n 很大，我无法手动制作和检查所有这些模型，所以我希望使用这样的东西：

for (i in names(dataset1)) {
    model = lm(Price~i, dataset1)
    # Do stuff here with model, such as analyze R^2 values.
}

（我认为这会有效，因为用print（i）替换for循环的内部会得到正确的名称。）错误如下：

Error in model.frame.default(formula = Price ~ i, data = dataset1, drop.unused.levels =    TRUE) : 
variable lengths differ (found for 'i')

有没有人建议处理有关R如何读取 i 变量的问题？我知道如何使用其他软件来解决这个问题，但我想了解R的工作原理。

Answer 1

我会亲自去找某种*apply：

dat <- data.frame(price=1:10,y=10:1,z=1:10)
sapply(dat[2:3], function(q) coef(summary(lm(dat$price ~ q)))[2])

 y  z 
-1  1

或获取包含完整模型结果的列表：

lapply(dat[2:3], function(q) coef(summary(lm(dat$price ~ q))))

$y
            Estimate   Std. Error       t value      Pr(>|t|)
(Intercept)       11 1.137008e-15  9.674515e+15 1.459433e-125
q                 -1 1.832454e-16 -5.457163e+15 1.423911e-123

$z
                Estimate   Std. Error      t value      Pr(>|t|)
(Intercept) 1.123467e-15 2.457583e-16 4.571429e+00  1.822371e-03
q           1.000000e+00 3.960754e-17 2.524772e+16 6.783304e-129

获得你提到的r平方值：

sapply(dat[2:3], function(q) summary(lm(dat$price ~ q))$r.squared)

Answer 2

目前你没有骑自行车穿过这些名字。尝试

for(i in 2:ncol(dataset1)) #assuming Price is column 1

然后参考

Price ~ dataset1[, i]

你的循环中的

。

但从统计数据的角度来看，我不确定你的方法。

使用R编程在for循环中制作线性模型

2 个答案: