Question

这是一个非常快速的问题，我想使用MASS运行回归。因变量分别为val1，val2，val3，自变量为a，b，c，d。

只看假数据。

library(data.table)
library(MASS)
test <- data.table(val1 = 1:10, val2 = 11:20, val3 = 21:30, a = rnorm(10), b = rnorm(10), c = rnorm(10), d = rnorm(10))
summary1 <- glm.nb(val1 ~ a + b + c + d, data = test)
summary2 <- glm.nb(val2 ~ a + b + c + d, data = test)
summary3 <- glm.nb(val3 ~ a + b + c + d, data = test)

我认为代码很难看。我试过这个

for (i in c("val1", "val2", "val3")){
paste("sum_", c("val1", "val2", "val3"), sep = "") <- glm.nb(i ~ a + b + c + d, data = simple)
}

但它没有用。有关改进的任何建议吗？在原始数据中，有大约26个独立变量，如果代码是这样的sum1 <- glm.nb(val3 ~ a + b + c + d + e + f+ g + h + i + j + k + l, data = test)

，我认为会更难看。

我知道以下代码可能会有所帮助，但我不知道如何使用它们：...（

diff <- setdiff(colnames(test),c('val1','val2','val3'))

另外，我想知道lapply函数是否可以在data.table中实现这一点？

非常感谢！

Answer 1

最好将数据放在长格式中：

library(plyr)
library(reshape2)
xx <- melt(test,measure.vars=paste0('val',1:3))
ddply(xx,.(variable),function(x){
  coef(glm.nb(value~.,data=subset(x,select=-variable)))
})

 variable (Intercept)            a            b           c          d
1     val1    1.583602 -0.045909060 -0.018189342 0.026293033 0.29708648
2     val2    2.704601 -0.014641683 -0.003836401 0.006711503 0.10445377
3     val3    3.217729 -0.008925782 -0.001863267 0.003475509 0.06292286

如果您希望所有模型不仅仅是系数：

dlply(xx,.(variable),function(x){
  glm.nb(value~.,data=subset(x,select=-variable))
})

Answer 2

使用循环方法我只需将所有模型存储在类似的列表中

results <- list()

for (i in c("val1", "val2", "val3")){
  frml <- paste(i, "~ a + b + c + d")
  frml <- as.formula(frml)

  results[[i]] <- glm.nb(frml, data = simple)
}

然后通过查看results$val1等来访问列表中的模型

Answer 3

以下是lapply的解决方案：

summary.list<-lapply(test[,grep('val',names(test)),with=FALSE],
                     function(i) glm.nb(i ~ a + b + c + d, data = test))

按组回归

3 个答案: