Question

我是R的初学者。我有一个关于空气污染的数据集。这些柱是位点，测量浓度和可能影响浓度的80个变量（v1-v80）。我想用我自己的代码基于R-squared / adj进行前向逐步回归的模型（所以我不想使用像step（）或regsubset（）这样的东西）。因变量是浓度，变量v1-v80是独立变量。我为第一步编写了以下代码（简化了数据集）：

  site concentration         v1         v2         v3
1    1   -0.84085548  1.7114409 -0.2857736 -1.0803926
2    2    1.38435934 -0.6029080  0.1381082 -0.1575344
3    3   -1.25549186 -0.4721664  1.2276303 -1.0717600

for (j in names(df)){
  model <- lm(concentration ~ df[[j]], data = df)
  print(j)
  print(summary(model))
}

这很好用，但我只对R平方和调整后的R平方感兴趣。我试着只用（调整过的）R平方打印：

for (j in names(df)){
  model <- lm(concentration ~ df[[j]], data = df)
  print(j)
  print(summary(model$r.squared))
  print(summary(model$adj.r.squared))
}

然后我得到输出（这只是一部分）：

[1] "v1"
Length  Class   Mode 
     0   NULL   NULL 
Length  Class   Mode
     0   NULL   NULL
[1] "v2"
Length  Class   Mode 
     0   NULL   NULL 
Length  Class   Mode
     0   NULL   NULL

等等。

如何在for-loop中生成的每个模型只输出相关变量的名称和（调整后的）R平方？

谢谢！

Answer 1

library(broom)
glance(model)[c(1,2)]

Input = ("site concentration         v1         v2         v3
          1    1   -0.84085548  1.7114409 -0.2857736 -1.0803926
          2    2    1.38435934 -0.6029080  0.1381082 -0.1575344
          3    3   -1.25549186 -0.4721664  1.2276303 -1.0717600")

df = read.table(textConnection(Input),header=TRUE)

for (j in names(df)){
    model <- lm(concentration ~ df[[j]], data = df)
    print(j)
    print(glance(model)[c(1,2)])
}

[1] "site"
    r.squared adj.r.squared
 1 0.02132635    -0.9573473
[1] "concentration"
    r.squared adj.r.squared
  1         1             1
[1] "v1"
  r.squared adj.r.squared
1 0.1717716    -0.6564568
[1] "v2"
  r.squared adj.r.squared
1 0.1482473    -0.7035055
[1] "v3"
  r.squared adj.r.squared
1 0.9762587     0.9525174
Warning message:
  In stats::summary.lm(x) :
  essentially perfect fit: summary may be unreliable

使用基础R

summary(model)$adj.r.squared
summary(model)$r.squared

如何只打印（调整）回归模型的R平方？

1 个答案: