我有一个名为“ dat”的数据框，其中包含10个数字变量（var1，var2，var3，var4，var5，…var 10），每个变量都有若干观察结果……
dat
var1 var2 var3 var4 var5 var6 var7 var8 var9 var10
1 12 5 18 19 12 17 11 16 18 10
2 3 2 10 6 13 17 11 16 18 10
3 13 15 14 13 1 17 11 16 18 10
4 17 11 16 18 10 17 11 16 18 10
5 9 13 8 8 7 17 11 16 18 10
6 15 6 20 17 3 17 11 16 18 10
7 12 5 18 19 12 17 11 16 18 10
8 3 2 10 6 13 17 11 16 18 10
9 13 15 14 13 1 17 11 16 18 10
...
我想编写一个代码，以对数据帧中的所有变量（第一个变量除外）重复相同的功能。 该函数应使用lm（）函数同时分析var 1和所有其他变量（var2，var3，var4，var5）之间的线性回归。
例如 周期1：var 1和var 2之间的线性回归
lm(var1~var2, data=dat)
周期2：var 1和var 3之间的线性回归，
lm(var1~var3, data=dat)
周期3：变量1和变量4之间的线性回归
lm(var1~var4, data=dat)
以此类推...
我还希望每个循环的结果将保存在名为“结果”的新数据框中，其结构如下：
Var_tested Correlation_coefficient P_value_correlation R_squared
Var2 corr_coeff_var2 p_value_var2 R_sq_var2
Var3 corr_coeff_var3 p_value_var3 R_sq_var3
Var4 corr_coeff_var4 p_value_var4 R_sq_var4
每行报告数据的每个相关结果。 有可能吗？
非常感谢您的帮助！
答案 0 :(得分：1)
dat <- structure(list(var1 = c(12L, 3L, 13L, 17L, 9L, 15L, 12L, 3L,
13L), var2 = c(5L, 2L, 15L, 11L, 13L, 6L, 5L, 2L, 15L), var3 = c(18L,
10L, 14L, 16L, 8L, 20L, 18L, 10L, 14L), var4 = c(19L, 6L, 13L,
18L, 8L, 17L, 19L, 6L, 13L), var5 = c(12L, 13L, 1L, 10L, 7L,
3L, 12L, 13L, 1L), var6 = c(17L, 17L, 17L, 17L, 17L, 17L, 17L,
17L, 17L), var7 = c(11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L
), var8 = c(16L, 16L, 16L, 16L, 16L, 16L, 16L, 16L, 16L), var9 = c(18L,
18L, 18L, 18L, 18L, 18L, 18L, 18L, 18L), var10 = c(10L, 10L,
10L, 10L, 10L, 10L, 10L, 10L, 10L)), class = "data.frame", row.names = c("1",
"2", "3", "4", "5", "6", "7", "8", "9"))
我们首先编写一个函数来获取您需要的所有统计信息。注意，rsq是相关系数的平方。因此，您不需要线性模型。从模型中获得的系数是斜率。
STATS = function(x,y,DATA){
COR = cor.test(DATA[,y],DATA[,x])
MODEL = summary(lm(DATA[,y]~DATA[,x]))
data.frame(
VAR=x,
PEARSON_COR=as.numeric(COR$estimate),
PVAL=COR$p.value,
RSQ=as.numeric(COR$estimate^2),
SLOPE = MODEL$coefficients[2,1],
stringsAsFactors=FALSE
)
}
我们在var2上对其进行了测试
STATS("var2","var1",dat)
VAR PEARSON_COR PVAL RSQ SLOPE
1 var2 0.5668721 0.1114741 0.321344 0.5251232
例如，我们在var2，var3，var4上执行此操作，并将它们组合到一个数据帧中。注意我没有尝试var 6到10，因为它只有1个值
results = do.call(rbind,
lapply(c("var2","var3","var4"),function(i)STATS(i,"var1",dat)))
results
VAR PEARSON_COR PVAL RSQ SLOPE
1 var2 0.5668721 0.111474101 0.3213440 0.5251232
2 var3 0.7328421 0.024699805 0.5370575 0.8630573
3 var4 0.8450726 0.004127542 0.7141477 0.7660377
如果您熟悉tidyverse和purrr，则可以执行以下操作：
library(dplyr)
library(purrr)
c("var2","var3","var4") %>% map_dfr(STATS,"var1",dat)
答案 1 :(得分：0)
您可以尝试以下代码来获得所需的输出
data <- structure(list(var1 = c(12L, 3L, 13L, 17L, 9L, 15L, 12L, 3L,
13L), var2 = c(5L, 2L, 15L, 11L, 13L, 6L, 5L, 2L, 15L), var3 = c(18L,
10L, 14L, 16L, 8L, 20L, 18L, 10L, 14L), var4 = c(19L, 6L, 13L,
18L, 8L, 17L, 19L, 6L, 13L), var5 = c(12L, 13L, 1L, 10L, 7L,
3L, 12L, 13L, 1L), var6 = c(17L, 17L, 17L, 17L, 17L, 17L, 17L,
17L, 17L), var7 = c(11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L
), var8 = c(16L, 16L, 16L, 16L, 16L, 16L, 16L, 16L, 16L), var9 = c(18L,
18L, 18L, 18L, 18L, 18L, 18L, 18L, 18L), var10 = c(10L, 10L,
10L, 10L, 10L, 10L, 10L, 10L, 10L)), class = "data.frame", row.names = c(NA,
-9L))
head(data,2)
#> var1 var2 var3 var4 var5 var6 var7 var8 var9 var10
#> 1 12 5 18 19 12 17 11 16 18 10
#> 2 3 2 10 6 13 17 11 16 18 10
x = names(data[,-1])
out <- unlist(lapply(1, function(n) combn(x, 1, FUN=function(row) paste0("var1 ~ ", paste0(row, collapse = "+")))))
out
#> [1] "var1 ~ var2" "var1 ~ var3" "var1 ~ var4" "var1 ~ var5"
#> [5] "var1 ~ var6" "var1 ~ var7" "var1 ~ var8" "var1 ~ var9"
#> [9] "var1 ~ var10"
library(broom)
#> Warning: package 'broom' was built under R version 3.5.3
library(dplyr)
#> Warning: package 'dplyr' was built under R version 3.5.3
#>
#> Attaching package: 'dplyr'
#> The following objects are masked from 'package:stats':
#>
#> filter, lag
#> The following objects are masked from 'package:base':
#>
#> intersect, setdiff, setequal, union
#To have the regression coefficients
tmp1 = bind_rows(lapply(out, function(frml) {
a = tidy(lm(frml, data=data))
a$frml = frml
return(a)
}))
head(tmp1)
#> # A tibble: 6 x 6
#> term estimate std.error statistic p.value frml
#> <chr> <dbl> <dbl> <dbl> <dbl> <chr>
#> 1 (Intercept) 6.46 2.78 2.33 0.0529 var1 ~ var2
#> 2 var2 0.525 0.288 1.82 0.111 var1 ~ var2
#> 3 (Intercept) -1.50 4.47 -0.335 0.748 var1 ~ var3
#> 4 var3 0.863 0.303 2.85 0.0247 var1 ~ var3
#> 5 (Intercept) 0.649 2.60 0.250 0.810 var1 ~ var4
#> 6 var4 0.766 0.183 4.18 0.00413 var1 ~ var4
#To have the regression results i.e. R2, AIC, BIC
tmp2 = bind_rows(lapply(out, function(frml) {
a = glance(lm(frml, data=data))
a$frml = frml
return(a)
}))
head(tmp2)
#> # A tibble: 6 x 12
#> r.squared adj.r.squared sigma statistic p.value df logLik AIC BIC
#> <dbl> <dbl> <dbl> <dbl> <dbl> <int> <dbl> <dbl> <dbl>
#> 1 0.321 0.224 4.33 3.31 0.111 2 -24.8 55.7 56.3
#> 2 0.537 0.471 3.58 8.12 0.0247 2 -23.1 52.2 52.8
#> 3 0.714 0.673 2.81 17.5 0.00413 2 -20.9 47.9 48.5
#> 4 0.276 0.173 4.47 2.67 0.146 2 -25.1 56.2 56.8
#> 5 0 0 4.92 NA NA 1 -26.6 57.2 57.6
#> 6 0 0 4.92 NA NA 1 -26.6 57.2 57.6
#> # ... with 3 more variables: deviance <dbl>, df.residual <int>, frml <chr>
write.csv(tmp1, "Try_lm_coefficients.csv")
write.csv(tmp2, "Try_lm_results.csv")
由reprex package（v0.3.0）于2019-11-20创建
答案 2 :(得分：0)
有几种方法可以在R中完成您想要的操作。我建议使用info.magnolia.ui.framework.availability.IsNotDeletedRule，这是将函数应用到变量列表之外的一种简单方法。
这是获取var1与所有其他变量之间的每次线性回归系数的示例。
sapply它返回：
# define a function to get coefficients from linear regression
do_lm <- function(var){ # var is the name of the column
res <- lm(as.formula(paste0("var1~",var)), data = dat) # compute linear regression
coefs <- c(intercept = res$coefficient[2], slope = res$coefficient[1]) # get coefficients
return(coefs)
}
t(
sapply(colnames(dat)[2:10], do_lm)
)
# t transposes the result
# sapply : applies on "var2" ... "var10" the function do_lm
您可以调整 intercept.var2 slope.(Intercept)
var2 0.5251232 6.4600985
var3 0.8630573 -1.4968153
var4 0.7660377 0.6490566
var5 -0.5047619 14.8158730
var6 NA 10.7777778
var7 NA 10.7777778
var8 NA 10.7777778
var9 NA 10.7777778
var10 NA 10.7777778
中的函数do_lm来计算其他事物，例如相关性...