如何使用for循环对不同程度的不同多项式回归模型的结果进行方差分析

我对R很陌生，我认为我的问题很简单，但我似乎无法解决它。我在这里看到过类似的问题，但我似乎无法找到解决我具体问题的方法

我正在使用作为ISLR包一部分的工资数据集，尝试将工资建模为不同多项式度的年龄函数

  library(ISLR) 
attach(Wage)

我正在对10岁以下的人的工资进行回归，然后我想对每个模型进行方差分析，并调查结果。我得到的最接近的是这个

  for (i in 1:10) {
    fit[[i]] <- lm(wage~poly(age, i) , data = Wage)
    result[[i]] <- aov(as.formula(paste(fit[i], "~ wage")))
  }

变量列表的类型（列表）无效（系数=c（

（截距）

=111.703608201744，

poly（年龄，i）

=447.067852758315），残差=c（

231655

=-19.3925481434428，

86582

=-28.2033380861585，

161300

=17.4500251413464，

155159

=42.5676926169455，

11443

=-42.02537778623369，

376662

=7.21810821763668，

601

=56.706172921，

37798

31081863092，

81404

=10.197404483506，

302778

=3.61466467869064，

305706

=-24.4688637359983，

8690

=-16.9669134309657，

153561

=25.41687845505336，

449654

=14.807739524331，

447660

-27.293894457631，

=95.773820436023，

301585

=7.84450555272621，

153682

=-9.2746009460634，

158226

=91.9620415895517，

11141

=-59.5891117312741，

448410

=-49.3664897185768，

305116

=50.6467025728133，

233002

=-89518，

<代码>229379

=-28.0716427246922，

86064

=-40.6412633049063，

378472

=-5.7541393181888，`1

任何帮助都将是非常感激的，并为自己是这样一个鲁莽的人而道歉

---

谢谢！！

要回答您的问题，您可以：

library(ISLR) 
attach(Wage)
fit <- vector("list",10)
result <- vector("list",10)
for (i in 1:10) {
    thisForm <- paste0("wage~poly(age, ",i,")")
    fit[[i]] <- lm(thisForm , data = Wage)
    result[[i]] <- aov(fit[[i]])
  }

---

要回答您的问题，您可以执行以下操作：

library(ISLR) 
attach(Wage)
fit <- vector("list",10)
result <- vector("list",10)
for (i in 1:10) {
    thisForm <- paste0("wage~poly(age, ",i,")")
    fit[[i]] <- lm(thisForm , data = Wage)
    result[[i]] <- aov(fit[[i]])
  }

---

它非常有效，你的解释对我的理解非常有帮助。非常感谢。很酷。很高兴它对你有用：）它非常有效，你的解释对我的理解非常有帮助。非常感谢。很酷。很高兴它对你有用：）

coefficients(result[[1]]) ; coefficients(fit[[1]])
 (Intercept) poly(age, i) 
    111.7036     447.0679 
 (Intercept) poly(age, i) 
    111.7036     447.0679