如何在 R 中为 logit 运行相同的代码？

Question

我试图让 R 运行相同的函数/代码，但用于数据集。我设置了 50 个问题，是（1）/否（0）答案以及 50 个问题中每个问题的大约 500 个不同的回答。 500 个响应被标识为男性 (1) 或女性 (0)。每个人的最后是他们的“分数”，他们有多少是（1）答案。我之前在 R 上运行过一个绘图，但我想为所有 50 个问题运行这个绘图，而不必每次都更改代码，并且运行代码 50 次。我正在使用的代码如下。数据集是我用性别、Q001-Q052 分和得分作为列然后向下 500 行以及他们的回答和性别制作的 excel 文件。

>LRmod01<-glm(dataset$'Q001points'~dataset$Score+dataset$Gender,data=dataset,family=binomial(link="logit")

>summary(LRmod01)

>LRodds01<-cbind("Odds-Ratio"=exp(LRmod01$coefficients),exp(confint(LRmod01)))

>View(LRodds01)

>LR.pred.probs01<-predict(LRmod01,type="response")

>View(LR.pred.probs01)

>scatter.smooth(dataset$Score,logit(LR.pred.probs01))

>scatter.smooth(dataset$Score,(LR.pred.probs01),main="Logistic Regression for Question 001", xlab="Number of Questions Yes on Exam", ylab="Log Odds for Question 001",ylim=range(0,1,na.rm=TRUE)

我想在上面进行此编码，但要针对所有 50 个问题。现在它只适用于 Q01，我知道它只是因为编码“dataset$'Q001points'”部分。我应该为此使用循环吗？如果可以，如何使用？

Answer 1

假设我们正在使用数据集mtcars：

> head(mtcars)
                   mpg cyl disp  hp drat    wt  qsec vs am gear carb
Mazda RX4         21.0   6  160 110 3.90 2.620 16.46  0  1    4    4
Mazda RX4 Wag     21.0   6  160 110 3.90 2.875 17.02  0  1    4    4
Datsun 710        22.8   4  108  93 3.85 2.320 18.61  1  1    4    1
Hornet 4 Drive    21.4   6  258 110 3.08 3.215 19.44  1  0    3    1
Hornet Sportabout 18.7   8  360 175 3.15 3.440 17.02  0  0    3    2
Valiant           18.1   6  225 105 2.76 3.460 20.22  1  0    3    1

现在我们想做几个线性模型，比如

lm(mtg ~ cyl + disp, data=mtcars)

但mtg 应替换为所有其他列。

lst_model <- lapply(colnames(mtcars)[-3:-1], 
                    function(x) lm(get(x) ~ cyl + disp, data=mtcars))
lst_model <- setNames(lst_model, colnames(mtcars)[-3:-1])

给出模型列表

$hp

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

Coefficients:
(Intercept)          cyl         disp  
   -32.4317      24.5145       0.1189  


$drat

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

Coefficients:
(Intercept)          cyl         disp  
   4.607278    -0.095280    -0.001825  

[...]

列表lst_model 的每个元素都以左侧变量命名，即您可以通过lst_model[["hp"]] 获得hp ~ cyl + disp 的模型。

> lst_model[["hp"]]

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

Coefficients:
(Intercept)          cyl         disp  
   -32.4317      24.5145       0.1189  

与

相同

> lm(hp ~ cyl + disp, data=mtcars)

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

Coefficients:
(Intercept)          cyl         disp  
   -32.4317      24.5145       0.1189  

例如，如果您想获得模型的拟合值

model <-  lm(hp ~ cyl + disp, data=mtcars)

你输入model$fitted.values。

在lst_model 的情况下，您使用lst_model[["hp"]][["fitted.values"]] 来获得相同的结果。由于[[ 在某种程度上是递归的，您可以使用lst_model[[c("hp", "fitted.values")]]，这也是一样的。