R 通过列循环分析不同的因变量

这里是我的数据框（可复制示例）

set.seed（42）
n我们可以使用循环。将列名子集，即以“VD”开头，后跟一些数字的列名，然后循环这些“nm1”，使用粘贴创建一个
公式
，应用
lmer
，并获取
摘要

library(lme4)
nm1 <- grep('^VD\\d+', names(dat), value = TRUE)
out <- lapply(nm1, function(nm)
     summary(lmer(as.formula(paste(nm, '~ group + (1|id)')), data = dat)))

库（lme4）
nm1添加到akrun提供的溶液中

library(broom.mixed)
library(lme4)
library(purrr)

将列索引为3:7

var_names <- names(dat)[3:7]

output <- map_dfr(var_names,
                  function(x){
                    formula_mlm = as.formula(paste0(x,"~ group + (1|id)"));
                    model_fit = lmer(formula_mlm,data=dat) %>% 
                      tidy(.) %>% 
                      dplyr::mutate(variable = x);
                    return(model_fit)
                    
                  })
output %>% 
+   head(.)


   # A tibble: 6 x 7
  effect   group    term            estimate std.error statistic variable
  <chr>    <chr>    <chr>              <dbl>     <dbl>     <dbl> <chr>   
1 fixed    NA       (Intercept)      7.80e-1     0.223      3.50 VD1     
2 fixed    NA       groupB          -7.59e-1     0.315     -2.41 VD1     
3 ran_pars id       sd__(Intercept)  3.74e-1    NA         NA    VD1     
4 ran_pars Residual sd__Observation  2.10e-8    NA         NA    VD1     
5 fixed    NA       (Intercept)      7.91e+1    13.2        5.98 VD2     
6 fixed    NA       groupB          -2.97e+1    18.7       -1.59 VD2

var\u名称%
dplyr:：mutate（变量=x）；
返回（型号_-fit）
})
输出%>%
+头（.）
#一个tibble:6x7
效应组项估计标准误差统计变量
1固定NA（截距）7.80e-1 0.223 3.50 VD1
2固定NA组B-7.59e-1 0.315-2.41 VD1
3运行部件id sd（截距）3.74e-1 NA VD1
4随机部分剩余sd观测值2.10e-8 NA VD1
5固定NA（截距）7.91e+113.2 5.98 VD2
6固定NA组B-2.97e+1 18.7-1.59 VD2
谢谢，我如何不按名称而是按数据框中的位置对列进行索引nm1@Gianluca更新了帖子非常感谢，它很有效。如何将不同传销的汇总表保存到pdf@Gianluca您指的是打印的汇总表还是data.frame？打印的汇总表再次感谢！如果不手动定义c（“VD1”、“VD2”、“VD3”、“VD4”、“VD5”），我只想给出列的位置，然后我想让这些列的标题字符串出现在输出的“变量”列中，会怎么样？
i1 <- 3:7
out <- lapply(i1, function(i) 
        summary(lmer(as.formula(paste(names(dat)[i],
           '~ group + (1|id)')), data = dat)))

library(broom.mixed)
library(lme4)
library(purrr)

var_names <- names(dat)[3:7]

output <- map_dfr(var_names,
                  function(x){
                    formula_mlm = as.formula(paste0(x,"~ group + (1|id)"));
                    model_fit = lmer(formula_mlm,data=dat) %>% 
                      tidy(.) %>% 
                      dplyr::mutate(variable = x);
                    return(model_fit)
                    
                  })
output %>% 
+   head(.)


   # A tibble: 6 x 7
  effect   group    term            estimate std.error statistic variable
  <chr>    <chr>    <chr>              <dbl>     <dbl>     <dbl> <chr>   
1 fixed    NA       (Intercept)      7.80e-1     0.223      3.50 VD1     
2 fixed    NA       groupB          -7.59e-1     0.315     -2.41 VD1     
3 ran_pars id       sd__(Intercept)  3.74e-1    NA         NA    VD1     
4 ran_pars Residual sd__Observation  2.10e-8    NA         NA    VD1     
5 fixed    NA       (Intercept)      7.91e+1    13.2        5.98 VD2     
6 fixed    NA       groupB          -2.97e+1    18.7       -1.59 VD2