使用R提取每个回归系数（1104个线性回归）的p值列表
我试着用相同的模型做1104次线性回归。我的自变量不变。但是，我的依赖变量会。事实上，我有1104个因变量。我只能提取所有系数（包括截距）、t-stats和R-square stats。我还想提取1104线性回归中每个系数的所有p值列表。如何用简单的方法做到这一点 这是我的密码： 对M1运行1104个回归使用R提取每个回归系数（1104个线性回归）的p值列表,r,regression,p-value,R,Regression,P Value,我试着用相同的模型做1104次线性回归。我的自变量不变。但是，我的依赖变量会。事实上，我有1104个因变量。我只能提取所有系数（包括截距）、t-stats和R-square stats。我还想提取1104线性回归中每个系数的所有p值列表。如何用简单的方法做到这一点 这是我的密码： 对M1运行1104个回归 bigtestsapply（测试、函数（i）摘要（i）$coverties[-1,4]）将获得p值。注意，我假设你不需要拦截。此外，sappy可以写得比您一直使用的更加清晰 下面是一个小例子：
bigtestsapply（测试、函数（i）摘要（i）$coverties[-1,4]）
将获得p值。注意，我假设你不需要拦截。此外，sappy可以写得比您一直使用的更加清晰
下面是一个小例子：
y <- c(1.03, 2.05, 2.91, 4.07)
x1 <- c(2.1, 4.3, 5.8, 7.9)
x2 <- c(43, 17, 11, 7)
x3 <- c(5.1, 6.1, 5.5, 6.8)
df <- data.frame(y, x1, x2, x3)
# Fit models
fit <- lapply(df[,-1], function(x) lm(df$y~x))
# Extract pvalues with intercept
pval <- sapply(fit, function(x) summary(x)$coefficients[,4])
pval
Output:
x1 x2 x3
(Intercept) 0.311515551 0.02163118 0.3022066
x 0.001185388 0.09842442 0.1855516
# Without intercept
pval2 <- sapply(fit, function(x) summary(x)$coefficients[-1,4])
pval2
Output:
x1 x2 x3
0.001185388 0.098424425 0.185551567
y这里有一个包含多个部分的tidyverse解决方案，希望这样更容易阅读：-）我使用mtcars
作为播放数据集，以mpg
作为不变的自变量
库（dplyr）
图书馆（purrr）
图书馆（扫帚）
图书馆（tibble）
#第一个关键变化是让‘扫帚：：整洁’做艰苦的工作
测试2#A tible:18 x 6
#>哪个依赖项估计标准误差统计p值
#>
#>1个气缸截距11.30.593 19.0 2.87e-18
#>2缸mpg-0.253 0.0283-8.92 6.11e-10
#>3显示截获581。41.7 13.9 1.26e-14
#>4显示mpg-17.4 1.99-8.75 9.38e-10
#>5马力拦截324。27.4 11.8.25e-13
#>6马力mpg-8.83 1.31-6.74 1.79e-7
#>7德拉特截距2.38 0.248 9.59 1.20e-10
#>8 drat mpg 0.0604 0.01195.10 1.78e-5
#>9 wt截距6.05 0.309 19.6 1.20e-18
#>10重量mpg-0.141 0.0147-9.56 1.29e-10
#>11 qsec拦截15.4 1.03 14.9 2.05e-15
#>12 qsec mpg 0.124 0.0492 2.53 1.71e-2
#>13对截距-0.678 0.239-2.84 8.11e-3
#>14对mpg 0.0555 0.0114.86 3.42e-5
#>上午15时截距-0.591 0.253-2.33 2.64e-2
#>上午16时mpg 0.0497 0.0121 4.11 2.85e-4
#>17档位截距2.51 0.411 6.10 1.05e-6
#>18档mpg 0.0588 0.0196 3.00 5.40e-3
只是想改变一下。。。我们将使用map
构造公式
谢谢你Chuck P！如果满足您的需要，请勾选答案有没有办法正确显示这些p值？我是说每列？“Cyl disp hp牵引…齿轮”（9行）和“Intercept mpg”（2列）。事实上，我的目标是计算所有“截距”和所有“mpg”的p值平均值，告诉我更多关于“正确”的信息，我不明白你想要什么。。。至于为我的所有“截距”和我的所有“mpg”推导“p值的计算平均值”，这与以下代码无关results%>%group\u by（term）%%>%summary（mean\u p=mean（p.value））
有你不想要的列吗？为了使它“更宽”，每个因变量有一行，并保留所有信息，我们可以宽\u结果%pivot\u宽（name\u from=term，values\u from=estimate:p.value）
从18行7列到9行11列，列将是“which\u dependent”“rsquared”“RSE”“estimate\u Intercept”“estimate\u mpg”“标准错误拦截”“标准错误拦截”“统计拦截”“统计拦截”“p.value拦截”“p.value拦截”
y <- c(1.03, 2.05, 2.91, 4.07)
x1 <- c(2.1, 4.3, 5.8, 7.9)
x2 <- c(43, 17, 11, 7)
x3 <- c(5.1, 6.1, 5.5, 6.8)
df <- data.frame(y, x1, x2, x3)
# Fit models
fit <- lapply(df[,-1], function(x) lm(df$y~x))
# Extract pvalues with intercept
pval <- sapply(fit, function(x) summary(x)$coefficients[,4])
pval
Output:
x1 x2 x3
(Intercept) 0.311515551 0.02163118 0.3022066
x 0.001185388 0.09842442 0.1855516
# Without intercept
pval2 <- sapply(fit, function(x) summary(x)$coefficients[-1,4])
pval2
Output:
x1 x2 x3
0.001185388 0.098424425 0.185551567