用R规划在for循环中建立线性模型

我有一个数据集，我将其称为带有预测变量（如价格）的dataset1。我希望基于数据集中存在的n个其他预测因子得到一个好的价格预测因子。但如果n很大，我无法手动制作和检查所有这些模型，所以我希望使用类似的方法：

for (i in names(dataset1)) {
    model = lm(Price~i, dataset1)
    # Do stuff here with model, such as analyze R^2 values.
}

我认为这是可行的，因为用printi替换for循环的内部会得到正确的名称。错误如下：

Error in model.frame.default(formula = Price ~ i, data = dataset1, drop.unused.levels =    TRUE) : 
variable lengths differ (found for 'i')

---

对于如何处理R读取i变量的问题，有人有什么建议吗？我知道如何使用其他软件解决这个问题，但我想了解R是如何工作的。

目前，您没有在名称之间循环。试一试

for(i in 2:ncol(dataset1)) #assuming Price is column 1

然后参考

Price ~ dataset1[, i]

在你的循环中

---

但我不确定从统计角度看你的方法

我会选择某种*个人申请：

dat <- data.frame(price=1:10,y=10:1,z=1:10)
sapply(dat[2:3], function(q) coef(summary(lm(dat$price ~ q)))[2])

 y  z 
-1  1 

要获得您提到的r平方值：

sapply(dat[2:3], function(q) summary(lm(dat$price ~ q))$r.squared) 

---

奇怪的是，为什么你不在一个加法模型中尝试所有的变量，然后用stepAIC或类似的方法从那里裁剪模型？这只是我的一个想法。我当然可以尝试其他方法；我只是想了解这种R循环的诀窍。当我做类似的事情时，我将公式粘贴在一起，然后使用do.call，如下所示：

sapply(dat[2:3], function(q) summary(lm(dat$price ~ q))$r.squared)