R 多元向量回归与系数提取

我想创建200个二元正态分布向量的1000个样本

set.seed(42)  # for sake of reproducibility
mu <- c(1, 1)
S <- matrix(c(0.56, 0.4,
              0.4, 1), nrow=2, ncol=2, byrow=TRUE)
bivn <- mvrnorm(200, mu=mu, Sigma=S)

set.seed（42）#为了再现性
mu我们可以编写一个自定义回归函数

regFun1 <- function(x) summary(lm(x[, 1] ~ x[, 2]))

系数保存在列表中，可按如下方式提取：

l1[[1]]$coefficients  # for the first regression
#              Estimate Std. Error   t value     Pr(>|t|)
# (Intercept) 0.5554601 0.06082924  9.131466 7.969277e-17
# x[, 2]      0.4797568 0.04255711 11.273246 4.322184e-23

编辑：
如果我们只需要无统计的估计量，我们会相应地调整函数的输出

regFun2 <- function(x) summary(lm(x[, 1] ~ x[, 2]))$coef[, 1]

在哪里

向我们保证我们有1000个估计值。
我们可以编写一个自定义回归函数

regFun1 <- function(x) summary(lm(x[, 1] ~ x[, 2]))

系数保存在列表中，可按如下方式提取：

l1[[1]]$coefficients  # for the first regression
#              Estimate Std. Error   t value     Pr(>|t|)
# (Intercept) 0.5554601 0.06082924  9.131466 7.969277e-17
# x[, 2]      0.4797568 0.04255711 11.273246 4.322184e-23

编辑：
如果我们只需要无统计的估计量，我们会相应地调整函数的输出

regFun2 <- function(x) summary(lm(x[, 1] ~ x[, 2]))$coef[, 1]

在哪里

向我们保证我们有1000个估计值。
我刚刚尝试过，但我得到了描述性统计数据和一行NAs：（尝试
sappy（bivn_1000，函数（x）摘要（lm（x[，1]~x[，2]））$coef）
。但您的数据是双变量的，还是我错了？是的。每个样本包含200个双变量向量，我正在尝试创建1000个样本，请参见下面的答案。我刚刚尝试过，但我得到了描述性统计和一行NAs：（Try
sapply（bivn_1000，函数（x）摘要（lm（x[，1]~x[，2]）$coef）
。但您的数据是双变量的，还是我错了？是的。每个样本包含200个双变量向量，我正在尝试创建1000个样本。请参见下面的答案。是的，这很有效。但是是否有可能获得1000个估计值，每个样本1个？我不确定我是否理解您的意思。列表中有1000个估计值。请尝试
长度（l1）
这会产生
1000
。是的，你是对的，我没有注意到。我只想要第一列的系数。我尝试了这个循环
（I in 1:1000）{是的，这是有效的。但是有可能得到1000个估计值，每个样本1个吗？我不确定我是否理解你的意思。列表中有1000个估计值。试试
length（l1）
可以得到
1000
。是的，你是对的，我没有注意到。我只想要第一列的系数。我试了这个循环
（i在1:1000中）{a
dim(m2)
# [1] 1000    2