从R中的单个数据帧运行多个线性回归

我有一个单一国家的出口贸易数据集，共有21列。第一列显示年份（1962-2014年），而其他20列为贸易伙伴。我试图对“年份”列和“彼此”列进行线性回归。我已经尝试了这里推荐的方法：这需要使用

combn(names(DF), 2, function(x){lm(DF[, x])}, simplify = FALSE)

然而，这只会产生每一对的截距，这对我来说不如回归的斜率重要

此外，我还尝试将我的数据集用作时间序列，但是当我尝试运行

lm(dimnames~., brazilts, na.action=na.exclude)

（其中，

brazilts

是我的数据集，作为从“1962”到“2014”的时间序列），它返回：

Error in model.frame.default(formula = dimnames ~ ., data = brazilts,  : 
  object is not a matrix.

因此，我对矩阵尝试了相同的方法，但它返回了错误：

Error in model.frame.default(formula = . ~ YEAR, data = brazilmatrix,  : 
  'data' must be a data.frame, not a matrix or an array

（其中，

brazilmatrix

是我的数据集，作为

data.matrix

，其中包含一列年份）

---

事实上，我甚至不擅长R和在这一点上。最终目标是创建一个循环，我可以使用该循环获取28个国家每年按国家对划分的更大的总出口数据集的take回归。也许我的攻击方式完全错误，所以欢迎任何帮助或批评。请记住，年份（1962-2014）实际上是我的解释变量，总出口值是我的因变量，这可能会偏离我在上述示例中的语法。提前谢谢

除了统计上的理由之外，编程问题是一个有趣的问题。这里有一个解决方案，但可能不是最优雅的。首先，创建一个示例数据集：

x = c(1962:2014)
y1 = c(rnorm(53))
y2 = c(rnorm(53))
y3 = c(rnorm(53))

mydata = data.frame(x, y1, y2, y3)
attach(mydata)  
head(mydata)
#     x         y1          y2         y3
#1 1962 -0.9884054 -1.68208217  0.5980446
#2 1963 -1.0741098  0.51309753  1.0986366
#3 1964  0.1357549 -0.23427820  0.1482258
#4 1965 -0.8846920 -0.60375400  0.7162992
#5 1966 -0.5529187  0.85573739  0.5541827
#6 1967  0.4881922 -0.09360152 -0.5379037

接下来，使用

for

循环进行几次回归：

for(i in 2:4){
  reg = lm(x ~ mydata[,i])
  print(reg)
  }

Call:
lm(formula = x ~ mydata[, i])

Coefficients:
(Intercept)  mydata[, i]  
  1988.0088      -0.1341  


Call:
lm(formula = x ~ mydata[, i])

Coefficients:
(Intercept)  mydata[, i]  
    1987.87         2.07  


Call:
lm(formula = x ~ mydata[, i])

Coefficients:
(Intercept)  mydata[, i]  
   1987.304       -4.101  

---

除了统计上的理由外，编程问题是一个有趣的问题。这里有一个解决方案，但可能不是最优雅的。首先，创建一个示例数据集：

x = c(1962:2014)
y1 = c(rnorm(53))
y2 = c(rnorm(53))
y3 = c(rnorm(53))

mydata = data.frame(x, y1, y2, y3)
attach(mydata)  
head(mydata)
#     x         y1          y2         y3
#1 1962 -0.9884054 -1.68208217  0.5980446
#2 1963 -1.0741098  0.51309753  1.0986366
#3 1964  0.1357549 -0.23427820  0.1482258
#4 1965 -0.8846920 -0.60375400  0.7162992
#5 1966 -0.5529187  0.85573739  0.5541827
#6 1967  0.4881922 -0.09360152 -0.5379037

接下来，使用

for

循环进行几次回归：

for(i in 2:4){
  reg = lm(x ~ mydata[,i])
  print(reg)
  }

Call:
lm(formula = x ~ mydata[, i])

Coefficients:
(Intercept)  mydata[, i]  
  1988.0088      -0.1341  


Call:
lm(formula = x ~ mydata[, i])

Coefficients:
(Intercept)  mydata[, i]  
    1987.87         2.07  


Call:
lm(formula = x ~ mydata[, i])

Coefficients:
(Intercept)  mydata[, i]  
   1987.304       -4.101  

---

为了补充一个备选方案，我建议走这条路线：

library(reshape2)
library(dplyr)
library(broom)

df <- melt(data.frame(x = 1962:2014, 
                      y1 = rnorm(53), 
                      y2 = rnorm(53), 
                      y3 = rnorm(53)), 
          id.vars = "x")

df %>% group_by(variable) %>% do(tidy(lm(value ~ x, data=.)))

这是继续使用系数的一种非常方便的形式。所需要做的只是融化数据帧，使所有列都是数据集中的行，然后使用

dplyr

的

groupby

在所有子集中执行回归<代码>扫帚：：整洁将回归输出放入一个漂亮的数据框中。有关更多信息，请参阅扫帚

如果需要保留模型以进行某种调整（针对

lm

对象实施），则还可以执行以下操作：

df %>% group_by(variable) %>% do(mod = lm(value ~ x, data=.))

Source: local data frame [3 x 2]
Groups: <by row>

# A tibble: 3 x 2
  variable      mod
*   <fctr>   <list>
1       y1 <S3: lm>
2       y2 <S3: lm>
3       y3 <S3: lm>

---

如果您想对所有

lm

对象应用某些方法，这是很方便的，因为

tmp$mod

可以为您提供它们的列表，这样就很容易传递到，例如

lappy

，只需添加一个替代方法，我建议采用以下方法：

library(reshape2)
library(dplyr)
library(broom)

df <- melt(data.frame(x = 1962:2014, 
                      y1 = rnorm(53), 
                      y2 = rnorm(53), 
                      y3 = rnorm(53)), 
          id.vars = "x")

df %>% group_by(variable) %>% do(tidy(lm(value ~ x, data=.)))

这是继续使用系数的一种非常方便的形式。所需要做的只是融化数据帧，使所有列都是数据集中的行，然后使用

dplyr

的

groupby

在所有子集中执行回归<代码>扫帚：：整洁将回归输出放入一个漂亮的数据框中。有关更多信息，请参阅扫帚

如果需要保留模型以进行某种调整（针对

lm

对象实施），则还可以执行以下操作：

df %>% group_by(variable) %>% do(mod = lm(value ~ x, data=.))

Source: local data frame [3 x 2]
Groups: <by row>

# A tibble: 3 x 2
  variable      mod
*   <fctr>   <list>
1       y1 <S3: lm>
2       y2 <S3: lm>
3       y3 <S3: lm>

---

如果您想将某些方法应用于所有

lm

对象，这非常方便，因为

tmp$mod

提供了它们的列表，这使得传递到例如

lappy

非常容易。放置样本数据集和预期输出对帮助更为有用。如果需要帮助，您需要提供某种帮助。我们需要了解您到底尝试了什么，以及您尝试向这些函数馈送了哪些对象。如果我们看不到你的代码，我们就无法帮助你处理你的代码。抱歉@MrFlick，我对编码一无所知，不知道如何正确提问，但这完全有道理。幸运的是，科芬朱基在下面给了我一个可行的答案。谢谢你的帮助！假设样本数据集和预期输出更有助于提供帮助。如果需要帮助，您需要提供某种帮助。我们需要了解您到底尝试了什么，以及您尝试向这些函数馈送了哪些对象。如果我们看不到你的代码，我们就无法帮助你处理你的代码。抱歉@MrFlick，我对编码一无所知，不知道如何正确提问，但这完全有道理。幸运的是，科芬朱基在下面给了我一个可行的答案。谢谢你的帮助！就像一个小评论：如果你添加

reg，就像一个小评论：如果你添加
reg，这是非常有用的，似乎是我要走的路。我每年都在处理国家对，所以我使用了
df%>%groupby（国家原产地id，国家目的地id）%>%do（tidy（lm（年份~调整后的出口值，数据=））
，将其分解为每个国家对的回归。这种方法唯一的问题是，它只返回十行，表示五个国家对的回归（一行表示截距，一行表示每个国家对的斜率）。我怎么能看到它刚才做的所有回归呢？我肯定布鲁姆有这个东西，但我找不到。非常感谢你！没关系，我只是不知道如何单独查看对象。我明白了。你帮了我大忙，谢谢！我已经花了太长时间在这上面了，真希望我能早点看到扫帚包。干杯。这是非常有用的，似乎是我要走的路。我每年都在处理国家对，所以我使用了
df%>%groupby（国家原产地id，国家目的地id）%>%do（tidy（lm（年份~调整后的出口值，数据=））
，将其分解为每个国家对的回归。我的唯一