如何在R中创建一个简单的线性回归函数，该函数迭代整个数据帧？

我正在通过ISLR工作，我被一个问题困住了。基本上，我正在尝试创建一个遍历整个数据帧的函数。这是问题3.7，15a

对于每个预测因子，拟合一个简单的线性回归模型来预测响应。描述你的结果。在哪种模型中，预测因子和反应之间存在统计显著关联？创建一些图表来备份您的断言

所以我的想法是这样的：

y = Boston$crim 
x = Boston[, -crim] 
TestF1 = lm(y ~ x) 
summary(TestF1) 

但这远远不是正确的答案。我希望通过以下方式将其分解：

以crim作为我的响应，其他作为预测值，迭代整个数据帧

提取统计上显著的p值（或提取不显著的p值）

继续下一个问题（这相当容易）

---

但是我被卡住了。我在谷歌上搜索过，但什么也找不到。我试过这个科姆（波士顿）的东西，但也没用。请提供帮助，谢谢。

如果您的问题是在数据帧上迭代，下面是一个

mtrcars

的示例（

mpg

是targetr变量，其余是预测器，假设模型有一个预测器）。其思想是生成字符串并将其转换为公式：

lms <- vector(mode = "list", length = ncol(mtcars)-1)

for (i in seq_along(lms)){
  lms[[i]] <- lm(as.formula(paste0("mpg~",names(mtcars)[-1][i])), data = mtcars)
}

lms