Question

目标：运行具有三个不同结果变量的三个回归模型，如下所示，但理想情况下，它比后三行中的model1，model2，model3版本更有效。

特定问题：如何编写遍历dv集并创建model +＃指示符作为对象（例如model1，model2等）并切换dv（例如dv1，dv2等）的函数。）？我认为对此有一个forloop和函数解决方案，但我没有得到...

mydf <- data.frame(dv1 = rnorm(100),
               dv2 = rnorm(100),
               dv3 = rnorm(100),
               iv1 = rnorm(100),
               iv2 = rnorm(100),
               iv3 = rnorm(100))

mymodel <- function(dv, df) {
lm(dv ~ iv1 + iv2 + iv3, data = df)
}

model1 <- mymodel(dv = mydf$dv1, df = mydf)
model2 <- mymodel(dv = mydf$dv2, df = mydf)
model3 <- mymodel(dv = mydf$dv3, df = mydf)

Answer 1

这是使用tidyverse软件包的另一种方法，因为dplyr或多或少地取代了plyr。

library(tidyverse)

mydf <- data.frame(dv1 = rnorm(100),
                   dv2 = rnorm(100),
                   dv3 = rnorm(100),
                   iv1 = rnorm(100),
                   iv2 = rnorm(100),
                   iv3 = rnorm(100))

mymodel <- function(df) {
  lm(value ~ iv1 + iv2 + iv3, data = df)
}

mydf %>% 
  gather("variable","value", contains("dv")) %>% 
  split(.$variable) %>% 
  map(mymodel) 

#> $dv1
#> 
#> Call:
#> lm(formula = value ~ iv1 + iv2 + iv3, data = df)
#> 
#> Coefficients:
#> (Intercept)          iv1          iv2          iv3  
#>    -0.04516     -0.04657      0.08045      0.02518  
#> 
#> 
#> $dv2
#> 
#> Call:
#> lm(formula = value ~ iv1 + iv2 + iv3, data = df)
#> 
#> Coefficients:
#> (Intercept)          iv1          iv2          iv3  
#>    -0.03906      0.16730      0.10324      0.02500  
#> 
#> 
#> $dv3
#> 
#> Call:
#> lm(formula = value ~ iv1 + iv2 + iv3, data = df)
#> 
#> Coefficients:
#> (Intercept)          iv1          iv2          iv3  
#>    0.018492    -0.162563     0.002738     0.179366

^{由reprex package（v0.2.1）于2018-11-26创建}

Answer 2

您可以将data.frame转换为长格式，将所有dv值放在一列中，然后使用plyr的{{1}}创建lms。这将在指定列（“ dvN”）上拆分data.frame并将该函数应用于每个列，并返回lms列表。我对函数进行了些微更改，使其仅采用data.frame，而不是单独使用列。

希望这能满足您的需求。

dlply

编写一个函数以将其他函数包含在回归模型中

2 个答案: