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: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?,r,statistics,R,Statistics,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$crim x = Boston[, -crim] TestF1 = lm(y ~ x) summary(TestF1) 但这远远不是正确的答案。我希望通过以下方式将其分解: 以cr
y = Boston$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:
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