不使用 for 循环的逻辑回归

Question

我有 202×500 矩阵，其中包含 500 人中 200 个变量的数据（data1.txt）。 y 是二进制数据（0=控制，1=案例）

 case y x_1 x_2 X_3 x_4・・・・x_200
 1   1  
 2   0
 3   1
 4   0
500  0 

我想用 R 对 x_1 到 X_200（只有一个变量，没有协变量）进行逻辑回归。 y~X_, data=sample,family=binomial(=1・・200) 有没有不使用 for 循环的简单方法来运行此分析？

Answer 1

如果您不想要显式循环，则可以使用 purrr 包中的 map。这将做你想要的。以下是基于您的信息的示例代码。可能不是最好的代码，但应该让你开始。 glms 存储在my_glms 列表对象中。更多信息请阅读 purrr 和 broom 的小插曲。

library(purrr)
sample <- data.frame(Y = c(0,0,0,0,1,1,1,1),
                     x_1 = c(1,2,3,4,5,6,7,8),
                     x_2 = c(2,3,4,5,6,7,8,9))


my_glms <- map(sample[,-1], #remove Y otherwise glm also on Y
               ~ glm(Y ~ .x, data = sample, family = binomial))

#using the tidy function from broom
library(broom)
map(my_glms, tidy)

$x_1
         term   estimate std.error     statistic   p.value
1 (Intercept) -206.12214  365130.9 -0.0005645158 0.9995496
2          .x   45.80492   80643.9  0.0005679899 0.9995468

$x_2
         term   estimate std.error     statistic   p.value
1 (Intercept) -251.92706  445370.6 -0.0005656572 0.9995487
2          .x   45.80492   80643.9  0.0005679899 0.9995468

当然，所有这些都可以在 1 行代码中完成，但这显示了步骤，您可以根据需要进行调整。