Question

我的数据框包含二进制结果列（y）和多个独立预测列（x1，x2，x3 ...）。

我想运行许多单变量逻辑回归模型（例如y ~ x1，y ~ x2，y ~ x3），并提取指数系数（优势比），95％置信区间每个模型的p值和数据帧/ tibble的行。在我看来，使用purrr和扫帚的组合应该可以解决这个问题。

This问题类似，但我无法解决以下步骤：

仅提取我需要的值和
整理成数据帧/ tibble。

使用引用问题中的示例：

library(tidyverse)
library(broom)

df <- mtcars

df %>%
 names() %>%
 paste('am~',.) %>%
 map(~glm(as.formula(.x), data= df, family = "binomial"))

Answer 1

睡觉后，解决方案发生在我身上。需要使用map_df来运行每个模型，并tidy从每个模型中提取值。

希望这对其他人有用：

library(tidyverse)
library(broom)

df <- mtcars

output <- df %>%
  select(-am) %>%
  names() %>%
  paste('am~',.) %>%
  map_df(~tidy(glm(as.formula(.x), 
               data= df, 
               family = "binomial"), 
               conf.int=TRUE, 
               exponentiate=TRUE)) %>%
  filter(term !="(Intercept)")

使用purrr，扫帚的许多单变量模型的整洁输出

1 个答案: