R中的有效循环logistic回归

我正在尝试对每个~400k预测变量进行多元逻辑回归分析。我想将每次运行的输出捕获到输出表的行/列中

我的数据分为两部分。我有一个400000 x 189双矩阵（

mydatamatrix

），其中包含在189个个体（

P1

）中测量的400000个预测变量的观察值/数据。我还有第二个189x20数据框（

mydataframe

），其中包含结果变量和另一个预测变量（

O1

和

P2

）以及本次特定分析中未使用的18个其他变量

我的回归模型是

O1~P1+P2

，其中

O1

是二进制的

我实现了以下循环：

为结果创建输出文件

output<-data.frame(matrix(nrow=400000, ncol=4))
names(output)=c("Estimate", " Std. Error", " z value", " Pr(>|z|)")

---

但是，运行时间非常长（输出前20k测试需要一个多小时）。是否有更有效的方法来运行此分析？

如果您使用

apply

而不是

for

循环，它将更快：

t(apply(mydatamatrix, 2,
        function(x)
          coef(summary(glm(mydataframe$O1 ~ x + as.factor(mydataframe$P2), 
                           family=binomial)))[2, 1:4]))

---

只要他们预先分配了results对象，

apply

就不太可能在一个（写得好的）for循环中产生显著的速度增益。@joran同意，但我认为速度增益与使用

coef

和

summary

只有一次四次。是的，我只是怀疑（但我愿意被证明不是这样）考虑到这里的总时间尺度（似乎是小时）即使这样，速度的提高也会非常小。@sven Hohenstein，非常感谢你的建议-我只是刚刚熟悉R，所以非常感谢你的帮助。我现在正在运行你的脚本，虽然它仍然需要一些时间，到目前为止已经超过一个小时了。@joran，我想你是对的-可能需要几个小时而不是几分钟来完成这个任务当前的分析，因此我在此论坛上寻求帮助的原因。您能澄清一下预分配结果对象是什么意思吗？您有其他加快此分析的建议吗？我有几点要做。谢谢！我的实际建议可能有点让人失望：根本不要这样做。运行400k RegressionIO每个变量上的ns不太可能产生很多有用的信息。至少，我会研究一些用于变量选择的惩罚回归方法，如lasso或LARS。

t(apply(mydatamatrix, 2,
        function(x)
          coef(summary(glm(mydataframe$O1 ~ x + as.factor(mydataframe$P2), 
                           family=binomial)))[2, 1:4]))