在多个解释变量的数据框中回归多个因变量的数据框

Question

我有一个名为dependents 的多个因变量的数据框和另一个由名为explanatory 的解释变量组成的数据框。我想在所有explanatory 变量上对dependents 中的每个变量进行回归。但是，无论我做什么，我都会不断（每次都不同）错误。我在下面创建了一个更简单的问题版本：

dependents <- structure(list(exp1 = c(1,2,3), 
                             exp2 = c(4,5,6),
                             exp3 = c(7,8,9)),
                             .Names = c("exp1", "exp2", "exp3"),
                             class = "data.frame", row.names = c(NA, -3L))

explanatory <- structure(list(var1 = c(1,2,3), 
                              var2 = c(4,5,6),
                              var3 = c(7,8,9)),
                             .Names = c("var1", "var2", "var3"),
                             class = "data.frame", row.names = c(NA, -3L))

我尝试了以下代码：

engel <- lm(dependents ~ exp_variables )

engel <- lm(colnames(dependents) ~ colnames(exp_variables))

engel <- lapply(colnames(dependents), function(x) {
         fit <- lm(paste(x,'~',colnames(exp_vars),collapse = "+")})

reg_data = cbind(dependents, exp_variables)
engel <- lm(dependents ~ exp_variables, data = reg_data )

reg_data = cbind(dependents, exp_variables)
engel <- lm(colnames(dependents) ~ colnames(exp_variables), data = reg_data )

engel <- lapply(dependents, function(x) {
         fit <- lm(paste(x,'~',exp_vars,collapse = "+")})

reg_data = cbind(dependents, exp_variables)
engel <- lapply(dependents, function(x) {
         fit <- lm(paste(x,'~',exp_vars,collapse = "+"), data=reg_data)})

reg_data = cbind(dependents, exp_variables)
engel <- lapply(colnames(dependents), function(x) {
         fit <- lm(paste(x,'~',colnames(exp_vars),collapse = "+"), data=reg_data)})

谁能告诉我编写这个回归的正确方法是什么？

非常感谢。

Answer 1

您的第一次尝试很棒，只是您应该提供矩阵而不是数据框：

lm(as.matrix(dependents) ~ as.matrix(explanatory))

不过，这是针对explanatory 不包含任何因素的情况。在你可以使用的因素的情况下

lm(as.matrix(dependents) ~ -1 + model.matrix(~ ., data = explanatory))

我有-1，因为model.matrix 也将为其创建一列。当然，总有一个选项可以更直接地使用，比如lapply：

lapply(dependents, function(y) lm(y ~ ., data = cbind(y = y, explanatory)))

这实际上可能是最好的，因为您可以清楚地控制每个模型的公式，并且很好地保留了回归量的名称。