循环变量名以运行线性回归模型

Question

首先，我对这个很新，所以我的方法/思路可能是错误的。我已经使用R和R Studio将xlsx数据集导入到数据框中。我希望能够循环遍历列名，以获取所有变量中确切包含 "10" 的变量，以便运行简单的线性回归。下面是我的代码：

indx <- grepl('_10_', colnames(data)) #list returns all of the true values in the data set
col10 <- names(data[indx]) #this gives me the names of the columns I want

这是我的for循环，它返回一个错误：

temp <- c()
for(i in 1:length(col10)){
   temp = col10[[i]]
  lm.test <- lm(Total_Transactions ~ temp[[i]], data = data)
  print(temp) #actually prints out the right column names
  i + 1
}

是否有可能运行一个循环将这些变量放入线性回归模型中？我得到的错误是："model.frame.default(formula = Total_Transactions ~ temp[[i]], : variable lengths differ (found for 'temp[[i]]')"。如果有人能指导我正确的方向，我将非常感激。谢谢。

- Stick

---

看一下这个问题。如果你还需要帮助，请告诉我。 - Rui Barradas

@RuiBarradas 我尝试了那段代码，但是在最后一行 res.models[["mpg~disp"]]，我希望它能够添加所有变量的名称，例如 [[mpg~disp+x2+x3+....x18]。 - Stick

Answer 1

好的，我将发布一篇答案。我会以数据集mtcars为例进行说明。我相信它适用于你的数据集。
首先，我创建了一个存储器，lm.test，这是一个类list的对象。在你的代码中，你每次通过循环给lm(.)分配输出，并且最终你只会得到最后一个，其他所有的都被新的覆盖了。
然后，在循环内部，我使用函数reformulate来组合回归公式。还有其他的做法，但这个比较简单。

# Use just some columns
data <- mtcars[, c("mpg", "cyl", "disp", "hp", "drat", "wt")]
col10 <- names(data)[-1]

lm.test <- vector("list", length(col10))

for(i in seq_along(col10)){
    lm.test[[i]] <- lm(reformulate(col10[i], "mpg"), data = data)
}

lm.test

现在你可以使用结果列表进行各种操作。我建议你开始使用 lapply 和相关函数。
例如，提取系数：

cfs <- lapply(lm.test, coef)

为了获取摘要信息：

smry <- lapply(lm.test, summary)

一旦您熟悉了*apply函数，这个问题就变得非常简单了。

- Rui Barradas

---

谢谢！我将这个实现到我的代码中，效果非常好！我使用了自己的前两行代替你的来获取所有列，但它仍然有效。 - Stick

能否将摘要合并呢？如果不行也没关系。 - Stick

尝试一下 do.call(rbind, lapply(smry, [[, "coefficients"))。 - Rui Barradas

Answer 2

您可以创建一个临时子集，仅选择回归中使用的列。这样，您就不需要在公式中注入临时名称。

按照您的代码，应该可以解决问题。

for(i in 1:length(col10)){
 tempSubset <- data[,c("Total_Transactions", col10[i]]
 lm.test <- lm(Total_Transactions ~ ., data = tempSubset)
 i + 1
}

- AshOfFire

---

这创建的子集仅为“Total_Transactions”和“col10”中的最后一个变量。 - Stick