使用循环拟合具有不同预测变量的线性回归模型答案

【问题标题】：fitting linear regression models with different predictors using loops使用循环拟合具有不同预测变量的线性回归模型
【发布时间】：2021-08-09 06:08:46
【问题描述】：

我想一次使用一个预测变量来拟合回归模型。我总共有 7 个预测变量和 1 个响应变量。我想编写一段代码，从数据框中选择一个预测变量并拟合一个模型。我还想提取回归系数（不是截距）和它的符号，并将它们存储在 2 个向量中。这是我的代码-

for (x in (1:7))
{
  
fit <- lm(distance ~ FAA_unique_with_duration_filtered[x] , data=FAA_unique_with_duration_filtered)
coeff_values<-summary(fit)$coefficients[,1]
coeff_value<-coeff_values[2]
append(coeff_value_vector,coeff_value , after = length(coeff_value_vector))
append(RCs_sign_vector ,sign(coeff_values[2]) , after = length(RCs_sign_vector))
}

这里 x in 将使用第一列，然后是第二列，依此类推。但是，我收到以下错误。

model.frame.default 中的错误（公式 = 距离 ~ FAA_unique_with_duration_filtered[x]，：变量“FAA_unique_with_duration_filtered[x]”的类型（列表）无效

有没有办法使用循环来做到这一点？

【问题讨论】：

标签： r loops vector regression linear-regression

【解决方案1】：

你真的不需要循环。

假设我们要对内置 anscombe 数据集的第 5 列 y1 分别回归前 4 列。

然后：

a <- anscombe
reg <- function(i) coef(lm(y1 ~., a[c(5, i)]))[[2]] # use lm
coefs <- sapply(1:4, reg)
signs <- sign(coefs)

# or

a <- anscombe
reg <- function(i) cov(a$y1, a[[i]]) / var(a[[i]]) # use formula for slope
coefs <- sapply(1:4, reg)
signs <- sign(coefs)

或者以下，其中 reg 是上述任何一个 reg 定义。

a <- anscombe
coefs <- numeric(4)
for(i in 1:4) coefs[i] <- reg(i)
signs <- sign(coefs)

【讨论】：

最后一个选择使用for 循环。