R 使用Lappy存储在列表中的简单线性回归的汇总统计信息

我有一系列形式为y~x1，y~x2，y~x3等的简单线性回归

我已经能够运行所有线性回归并存储输出，但我无法以矢量化方式访问摘要统计数据，例如，调整每个模型的R平方

我可以通过for循环和迭代每个模型来实现，但我认为一定有更简单的方法来使用lappy（或sapply？）并更快地得到结果

可再现的示例如下所示：

library(tidyverse)
library(broom)

set.seed(6)

DF <- data.frame(Y=rnorm(50, 100, 3),
                 X1=rnorm(50, 100, 3),
                 X2=rnorm(50, 100, 3),
                 X3=rnorm(50, 100, 3),
                 X4=rnorm(50, 100, 3))

DF_longer = pivot_longer(DF, -Y, names_to = "variable", values_to = "value", values_ptypes = list(val = 'numeric'))

lm1 = DF_longer %>% group_by(variable) %>% do(tidy(lm(Y ~ value, data=.)))
lm2 = DF_longer %>% group_by(variable) %>% do(mod = lm(Y ~ value, data=.))

sapply（）

函数对列表的每个元素执行一个函数，并为您提供一个向量：

---

sapply（lm2$mod，函数（x）摘要（x）$adj.r.squared）

以下是使用mtcars数据的示例：

regModels <- c("mpg ~ am", "mpg ~ am + wt", "mpg ~ wt + am + disp")

results <- lapply(regModels,function(x){
     y <- summary(lm(x,data = mtcars))$adj.r.squared

})

names(results) <- regModels

results

使用原始帖子中的数据。。。

---

在base R中，您可以使用

重新格式化

获得公式向量

fov

，在该向量上进行回归，同时提取adj。R2在

sapply

中

fov <- lapply(names(DF)[2:5], reformulate, "Y")
res <- sapply(fov, function(x) summary(lm(x, data=DF))$adj)
res
# [1] -0.007637371  0.007729944  0.049935424 -0.020262353

---

注意：您声明您想要一个向量，如果您想要一个列表，只需将

sapply

替换为

lappy

我想避免定义模型

regModels

，因为我有两个不同的模型要运行（总共13个）所以我想尽量保持它的效率。@AveshenPillay-我更新了我的答案，在你的数据中加入了一个解决方案。

fov <- lapply(names(DF)[2:5], reformulate, "Y")
res <- sapply(fov, function(x) summary(lm(x, data=DF))$adj)
res
# [1] -0.007637371  0.007729944  0.049935424 -0.020262353

library(tidyverse)
library(broom)
set.seed(6)

DF <- data.frame(Y=rnorm(50, 100, 3),
                 X1=rnorm(50, 100, 3),
                 X2=rnorm(50, 100, 3),
                 X3=rnorm(50, 100, 3),
                 X4=rnorm(50, 100, 3))

DF_longer = pivot_longer(DF, -Y, names_to = "variable", values_to = "value", values_ptypes = list(val = 'numeric'))

lm1 = DF_longer %>% group_by(variable) %>% do(tidy(lm(Y ~ value, data=.)))
lm2 = DF_longer %>% group_by(variable) %>% do(mod = lm(Y ~ value, data=.))

adjRsquared <- lapply(lm2$mod,function(x){
     y <- summary(x)$adj.r.squared
})
names(adjRsquared) <- lm2$variable
adjRsquared

> adjRsquared
$X1
[1] -0.007637371

$X2
[1] 0.007729944

$X3
[1] 0.04993542

$X4
[1] -0.02026235

fov <- lapply(names(DF)[2:5], reformulate, "Y")
res <- sapply(fov, function(x) summary(lm(x, data=DF))$adj)
res
# [1] -0.007637371  0.007729944  0.049935424 -0.020262353

sapply(lapply(names(DF)[2:5], reformulate, "Y"), function(x) summary(lm(x, data=DF))$adj)
# [1] -0.007637371  0.007729944  0.049935424 -0.020262353