R 叠加重叠结果

我正在使用以下代码生成数据，并在一系列变量（covar1和covar2）中估计回归模型。我还为系数创建了置信区间，并将它们合并在一起

我一直在研究这里和其他网站上的各种例子，但我似乎无法实现我想要的。我想将每个covar的结果堆叠到一个数据帧中，用它所归属的covar（即“covar1”和“covar2”）标记每个结果簇。以下是使用Lappy生成数据和结果的代码：

##creating a fake dataset (N=1000, 500 at treated, 500 at control group)
#outcome variable
outcome <- c(rnorm(500, mean = 50, sd = 10),  rnorm(500, mean = 70, sd = 10))

#running variable
running.var <- seq(0, 1, by = .0001)
running.var <- sample(running.var, size = 1000, replace = T)

##Put negative values for the running variable in the control group
running.var[1:500] <- -running.var[1:500]

#treatment indicator (just a binary variable indicating treated and control groups)
treat.ind <- c(rep(0,500), rep(1,500))

#create covariates
set.seed(123)
covar1 <- c(rnorm(500, mean = 50, sd = 10), rnorm(500, mean = 50, sd = 20))
covar2 <- c(rnorm(500, mean = 10, sd = 20), rnorm(500, mean = 10, sd = 30))
data <- data.frame(cbind(outcome, running.var, treat.ind, covar1, covar2))
data$treat.ind <- as.factor(data$treat.ind)

#Bundle the covariates names together
covars <- c("covar1", "covar2")

#loop over them using a convenient feature of the "as.formula" function
models <- lapply(covars, function(x){
  regres <- lm(as.formula(paste(x," ~ running.var + treat.ind",sep = "")), data = d)
  ci <-confint(regres, level=0.95)
  regres_ci <- cbind(summary(regres)$coefficient, ci)
})
names(models) <- covars
print(models)

##创建一个假数据集（N=1000，治疗组500，对照组500）
#结果变量
结果您可以使用
do.call
were de第二个参数是列表（）：

我（可能）改进了您的
lappy
功能。通过这种方式，您可以将估计的参数和变量保存在
data.frame
中：

models <- lapply(covars, function(x){
  regres <- lm(as.formula(paste(x," ~ running.var + treat.ind",sep = "")), data = data)
  ci <-confint(regres, level=0.95)
  regres_ci <- data.frame(covar=x,param=rownames(summary(regres)$coefficient),
                          summary(regres)$coefficient, ci)
})

do.call(rbind,models)

建模代码中的
d
是什么？在
lappy（）
中的
lm（）
调用中，
d
是否意味着是
数据？此外，如果您能概述上面的预期输出（预期数据帧的维度和colname）优点，这也会有所帮助，我猜类似于
models%>%purrr:：map_df（broom:：tidy，.id=“covar_id”）
将接近您想要的！这是简洁的，给了我我需要的。非常感谢！
models <- lapply(covars, function(x){
  regres <- lm(as.formula(paste(x," ~ running.var + treat.ind",sep = "")), data = data)
  ci <-confint(regres, level=0.95)
  regres_ci <- data.frame(covar=x,param=rownames(summary(regres)$coefficient),
                          summary(regres)$coefficient, ci)
})

do.call(rbind,models)