Question

所以我的数据集有188行和65列，与世界发展指标和出生统计有关。我正在尝试做一个有目的的选择方法来创建一个回归模型。第一步是查看所有单个简单线性模型。

我的目标是在R中为我的每个变量运行回归模型。我知道我可以运行lm(x$v30 ~ x$v1)，这将为其中一个变量提供回归。但是，我希望能够一步完成并将所有p值拉入表格或将其写入CSV。

我跟着这个但是这并不能很好地给出P值：R loop for Regression

Answer 1

首先，除非你知道自己在做什么，否则我不建议你这样做。另外还要阅读选择偏见，错误发现率等内容。

在下文中，我使用虹膜数据集，并在第四列上回归前三列。您可以轻松地将其更改为您拥有的数据。

使用扫帚包不是强制性的。如果您不想这样，请删除tidy`` command in the lapply`功能。

library(broom)

list_out <- lapply(colnames(iris)[1:3], function(i)
             tidy(lm(as.formula(paste("Petal.Width ~", i)), data = iris)))

# [[1]]
# term   estimate  std.error statistic      p.value
# 1  (Intercept) -3.2002150 0.25688579 -12.45773 8.141394e-25
# 2 Sepal.Length  0.7529176 0.04353017  17.29645 2.325498e-37
# 
# [[2]]
# term   estimate std.error statistic      p.value
# 1 (Intercept)  3.1568723 0.4130820  7.642242 2.474053e-12
# 2 Sepal.Width -0.6402766 0.1337683 -4.786461 4.073229e-06
# 
# [[3]]
# term   estimate   std.error statistic      p.value
# 1  (Intercept) -0.3630755 0.039761990 -9.131221 4.699798e-16
# 2 Petal.Length  0.4157554 0.009582436 43.387237 4.675004e-86

将它们放入data.frame

do.call(rbind, list_out)

#          term   estimate   std.error  statistic      p.value
# 1  (Intercept) -3.2002150 0.256885790 -12.457735 8.141394e-25
# 2 Sepal.Length  0.7529176 0.043530170  17.296454 2.325498e-37
# 3  (Intercept)  3.1568723 0.413081984   7.642242 2.474053e-12
# 4  Sepal.Width -0.6402766 0.133768277  -4.786461 4.073229e-06
# 5  (Intercept) -0.3630755 0.039761990  -9.131221 4.699798e-16
# 6 Petal.Length  0.4157554 0.009582436  43.387237 4.675004e-86

在R中运行几个简单的回归

1 个答案: