来自汇总值的不同自变量和表格答案

【问题标题】：Different independent variables and table from summary-values来自汇总值的不同自变量和表格
【发布时间】：2021-02-13 20:03:39
【问题描述】：

我有几个小时一直在尝试解决的问题，但我就是想不通（顺便说一句，我是 R 新手..）。

基本上，我想要做的（使用 mtcars 来说明）是让 R 测试相同自变量（“mpg”）的不同自变量（同时调整“cyl”和“disp”）。我能想到的最好的解决方案是：

lm <- lapply(mtcars[,4:6], function(x) lm(mpg ~ cyl + disp + x, data = mtcars))
summary <- lapply(lm, summary)

...其中 4:6 对应于“hp”、“drat”和“wt”列。

这确实可以正常工作，但问题是摘要带有“x”而不是实例“hp”：

$hp

Call:
lm(formula = mpg ~ cyl + disp + x, data = mtcars)

Residuals:
    Min      1Q  Median      3Q     Max 
-4.0889 -2.0845 -0.7745  1.3972  6.9183 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)    
(Intercept) 34.18492    2.59078  13.195 1.54e-13 ***
cyl         -1.22742    0.79728  -1.540   0.1349    
disp        -0.01884    0.01040  -1.811   0.0809 .  
x           -0.01468    0.01465  -1.002   0.3250    
---
Signif. codes:  
0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 3.055 on 28 degrees of freedom
Multiple R-squared:  0.7679,    Adjusted R-squared:  0.743 
F-statistic: 30.88 on 3 and 28 DF,  p-value: 5.054e-09

问题：

有没有办法解决这个问题？我是否使用 lapply 以最聪明的方式做到了这一点，或者使用 for 循环或其他选项会更好吗？

理想情况下，我也非常想制作一个表格，例如仅显示每个因变量的估计值和 P 值。这可以通过某种方式完成吗？

最好的问候

【问题讨论】：

标签： r

【解决方案1】：

获取摘要中显示的变量名称的一种方法是遍历变量名称并使用paste 和as.formula 设置公式：

lm <- lapply(names(mtcars)[4:6], function(x) { 
  formula <- as.formula(paste0("mpg ~ cyl + disp + ", x))
  lm(formula, data = mtcars)
})
summary <- lapply(lm, summary)
summary
#> [[1]]
#> 
#> Call:
#> lm(formula = formula, data = mtcars)
#> 
#> Residuals:
#>     Min      1Q  Median      3Q     Max 
#> -4.0889 -2.0845 -0.7745  1.3972  6.9183 
#> 
#> Coefficients:
#>             Estimate Std. Error t value Pr(>|t|)    
#> (Intercept) 34.18492    2.59078  13.195 1.54e-13 ***
#> cyl         -1.22742    0.79728  -1.540   0.1349    
#> disp        -0.01884    0.01040  -1.811   0.0809 .  
#> hp          -0.01468    0.01465  -1.002   0.3250    
#> ---
#> Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
#> 
#> Residual standard error: 3.055 on 28 degrees of freedom
#> Multiple R-squared:  0.7679, Adjusted R-squared:  0.743 
#> F-statistic: 30.88 on 3 and 28 DF,  p-value: 5.054e-09

关于你问题的第二部分。通过使用broom 包中的broom::tidy 来实现此目的的一种方法是，它将回归结果汇总为一个整洁的数据框：

lapply(lm, broom::tidy)
#> [[1]]
#> # A tibble: 4 x 5
#>   term        estimate std.error statistic  p.value
#>   <chr>          <dbl>     <dbl>     <dbl>    <dbl>
#> 1 (Intercept)  34.2       2.59       13.2  1.54e-13
#> 2 cyl          -1.23      0.797      -1.54 1.35e- 1
#> 3 disp         -0.0188    0.0104     -1.81 8.09e- 2
#> 4 hp           -0.0147    0.0147     -1.00 3.25e- 1

【讨论】：

有一种 baseR 方法可以获取 broom::tidy tibble lapply(summary, function(x) x$coefficients)

【解决方案2】：

我们可以使用reformulate 来创建lm 的公式

lst1 <- lapply(names(mtcars)[4:6], function(x) {
    fmla <- reformulate(c("cyl", "disp", x), 
       response = "mpg")
    model <- lm(fmla, data = mtcars)
     model$call <- deparse(fmla)
     model
       })

然后，获取summary

summary1 <- lapply(lst1, summary)
summary1[[1]]

#Call:
#"mpg ~ cyl + disp + hp"

#Residuals:
#    Min      1Q  Median      3Q     Max 
#-4.0889 -2.0845 -0.7745  1.3972  6.9183 

#Coefficients:
#            Estimate Std. Error t value Pr(>|t|)    
#(Intercept) 34.18492    2.59078  13.195 1.54e-13 ***
#cyl         -1.22742    0.79728  -1.540   0.1349    
#disp        -0.01884    0.01040  -1.811   0.0809 .  
#hp          -0.01468    0.01465  -1.002   0.3250    
#---
#Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

#Residual standard error: 3.055 on 28 degrees of freedom
#Multiple R-squared:  0.7679,   Adjusted R-squared:  0.743 
#F-statistic: 30.88 on 3 and 28 DF,  p-value: 5.054e-09

【讨论】：