如何在 R 中创建一个遍历整个数据帧的简单线性回归函数？

Question

我正在通过 ISLR 工作，但遇到了一个问题。基本上，我正在尝试创建一个遍历整个数据框的函数。是问题3.7、15a。

对于每个预测变量，拟合一个简单的线性回归模型来预测响应。描述你的结果。在哪些模型中，预测变量和响应之间存在统计上显着的关联？创建一些图表来支持您的断言。

所以我的想法是这样的：

y = Boston$crim 
x = Boston[, -crim] 
TestF1 = lm(y ~ x) 
summary(TestF1) 

但这远不是正确的答案。我希望通过以下方式将其分解：

1. 迭代整个数据帧，以 crim 作为我的响应，其他作为预测变量
2. 提取具有统计学意义的 p 值（或提取不显着的 p 值）
3. 继续下一个问题（这要容易得多）

但我被困住了。我用谷歌搜索但找不到任何东西。我尝试了这个 combn(Boston) 的东西，但也没有用。请帮忙，谢谢。

Answer 1

如果您的问题是迭代数据框，这里是mtrcars 的示例（mpg 是目标变量，其余是预测变量，假设模型具有单个预测变量）。这个想法是生成字符串并将它们转换为公式：

lms <- vector(mode = "list", length = ncol(mtcars)-1)

for (i in seq_along(lms)){
  lms[[i]] <- lm(as.formula(paste0("mpg~",names(mtcars)[-1][i])), data = mtcars)
}

如果您想查看每个变量组合，请从包含所有变量的模型开始，然后消除不显着的预测变量以找到最佳模型。