生成不带for循环的回归模型数组

我有一个列Y、X1、X2和V的数据集。虽然Y、X1和X2是连续的，但V是一个分类变量。假设V有10个类别，我想创建10个线性回归模型，并将结果（系数、p值、R-Sq等）存储在另一个表中。有没有一种不使用for循环而使用data.table的方法？谢谢。

正是针对这类问题而存在的。它将模型的输出“整理”成整洁的数据框架，便于存储和比较。下面是一个使用

扫帚

和

dplyr

解决几乎相同问题的示例。它使用

dplyr

通过一个分类变量对数据进行分组，为每个组拟合一个模型，并用几行代码将系数提取到data.frame中。我不熟悉

数据表的分组操作，但可能会对包执行类似的操作

此外，
broom
具有
augment
功能，可用于计算拟合优度指标和其他汇总统计数据

或者，如果您想在不安装其他软件包的情况下执行此操作，您可以将数据帧拆分为一个列表（使用
split
函数），
lappy
将建模过程转换为列表，提取结果（可能通过另一个
lappy
从
lm
对象提取信息，）然后将其全部绑定在一起。
您需要的是

提供的基本R函数

# make up some sample data
dataSet <- data.frame(Y = iris$Sepal.Length, 
                      X1 = iris$Sepal.Width, 
                      X2 = iris$Petal.Length, 
                      V = iris$Species)
# apply the `lm` function by the value of `V`
by(data = dataSet[c("Y","X1","X2")], 
   INDICES = dataSet$V, 
   FUN = lm, 
   formula = Y ~ .)

#编写一些示例数据
数据集请参见nlme包中的
lmList
。有关如何在询问SO问题时提供可复制示例的信息，请参阅。谢谢。我试过lmList，成功了。我只得到了系数，但我确信我能找出如何得到R-Sq，p值等。参见