Question

我使用了50个预测变量为单个结果变量创建了超过200万个回归模型的组合。其中大部分都是无稽之谈 - 我想要消除调整后的R-Square（AR2）低于0.7的所有模型，其成员的vif> 4（来自汽车包）。我首先创建了所有模型的列表（b），然后在第二步中，使用for / if循环消除所有符合我标准的模型，创建第二个对象（bb）。这是第二步：

### Create the filtered list
mlen <- length(b)
for (i in 1:mlen) {  
  if(summary(b[[i]])$adj.r.squared > .7 & all(vif(b[[i]]) <4)) {
      bb[i]<-b[i]
    }     
  }
### Get rid of all of the null results
bb <- bb[!sapply(bb, is.null)]

这很有效，但看起来很丑陋而效率低下。看起来应该有一种优雅的方式来使用其中一个apply命令（lapply，sapply），但问题是双重的。首先，事实上AR2实际上并不是正常lm结果的一部分 - 我必须使用＆＃34;摘要＆＃34;获得AR2。其次，存在子集化问题，因为这是列表列表。我不能只提取摘要，并从中获取AR2，使用 bb＆lt; - lapply（b，摘要） - 我必须使用类似的东西 bb＆lt; - lapply（b，summary [[]]）但当然R并不喜欢这样。

Answer 1

听起来像Filter()可以派上用场了

bb <- Filter(function(x) {
    summary(x)$adj.r.squared > .7 & all(vif(x) <4)
}, b)

你只需传递一个函数来告诉它你想要保留哪些对象，以及列表中你想要过滤的项目。

从lm结果列表中提取Adj R Square

1 个答案: