各因子水平上的R lm

我希望在R中找到一些关于如何编码和如何求解的指导。我有一个简单的数据框架，如下所示：

str(pf)
   'data.frame':  1536 obs of 4 variables:
   $ dt : POSIXct 
   $ pfRet : num 
   $ Src : Factor w/6 Levels "ALPA" , "OMEGA", "GAMMA" , ..
   $ ret : num

我只是想看看这6个不同因素的lm（pfRet~ret）并比较它们。我希望能够得到一个输出，显示每个因子水平的lm的p值排序。我想问一个问题，对于每个因素（α、ω、γ等），哪一个最能解释pfRet和ret之间的关系

从编程的角度来看，可能有一种方法可以得到6个因子级别的向量，然后在帧上应用lm。但我不能让它正常工作。我尝试了以下几点：

GenLm = function(x) { 
  y=pf[which[(pf$Src==x,)]
  return(lm(y$pfRet ~ y$ret )) }

testList = data.frame( Src = as.character(unique( pf$Src ) ) )

testList$lm = apply(  ... ?? )

我尝试了apply、ddply等的各种组合。我只是无法将其转换为一种简单的格式，在该格式中可以生成一个显示每个变量的拟合的输出

谢谢，乔希

---

从更高的角度来看，这是正确的方法吗？这肯定是R用户一直在处理的事情。

lmList

，在

nlme

或

lme4

软件包中，将开箱即用（它们基本上是等价的，除了

lme4

可以处理GLM和线性模型，但在某些情况下可能不太可靠）

例如：

library("lme4")
mm <- lmList(Reaction~Days|Subject,sleepstudy)
summary(mm)

库（“lme4”）
mm参见例如
nlme:：lmList
也可参见使用
dplyr
的结果，例如伙计们，非常感谢。这很有帮助。关于如何对其进行编程，回答这个问题。在概念方面，正确的方法是直接传播数据并进行多元回归吗？如果你有两个因子，它们彼此非常接近，它会给出两个独立变量的部分wt吗？例如，如果您对
出租车.票价~行驶里程+汽车.时间
进行回归，那么就残差和p值而言，行驶里程是最合适的。但车里的时间可能很近。那么什么是正确的方法呢？多元回归是正确的方法吗？还是我应该像以前那样，对每个变量进行单独的回归？