r-如何适应多个模型，并将嵌套列表中的模型输出提取到df中

Question

我有一个包含许多Y和X变量的数据帧。我想通过迭代所有的X和Y变量，用lm()拟合多个线性模型。我正在努力包括其他Y变量，但我很难只遍历X变量。

我的数据看起来像这样：

set.seed(200)
df <- data.frame(y1 = c(rnorm(n=20, mean = 5)),
y2 = c(rnorm(n=20, mean = 5)),
x1 = c(rnorm(n=20, mean = 13)), 
x2 = c(rnorm(n=20, mean = 14)), 
x3 = c(rnorm(n=20, mean = 15)))

我尝试了多种方法来拟合这些模型，但最好的方法似乎是使用for循环。

models <- list() #creating an empty list
for (i in names(df)[3:5]){ #choosing just the x-variables from the df

models[[i]]   <- lm(y1 ~ get(i), df)
}

我的输出在models列表中，我可以通过summary(models[[1]]访问我想要的统计信息，但我不想为每个适合的模型都这样做。有没有一种方法可以使用do.call或map_df或其他东西提取我想要的统计信息？具体来说，我想要r.squared、residual standard error、p-value和f.statistic。

Answer 1

这个例子是基于Wickham&Grolemund的"；R代表数据科学。读一读解释。

library(dplyr)
library(modelr)
library(tidyverse)
set.seed(200)
df <- data.frame(y1 = c(rnorm(n=20, mean = 5)),
y2 = c(rnorm(n=20, mean = 5)),
x1 = c(rnorm(n=20, mean = 13)), 
x2 = c(rnorm(n=20, mean = 14)), 
x3 = c(rnorm(n=20, mean = 15)))
#Set up your data so that you nest each set of variables as dataframe within a dataframe
dfy <- df %>% select(starts_with("y"))
dfx <- df %>% select(starts_with("x"))
dat_all <- data.frame()
for (y in names(dfy)){
for(x in names(dfx)){
r <- paste(x,"_",y)
data = (data.frame(x = dfx[x], y = dfy[y]))
names(data) <- c("x", "y")
dd <- data.frame(vars = r, data = data) %>%
group_by(vars) %>%
nest()
dat_all <- rbind(dat_all, dd)
}
}
myModel <- function(df) {
lm(data.x ~ data.y, data = df)
}

dat_all <- dat_all %>%
mutate(model = map(data, myModel))

glance <- dat_all %>% 
mutate(glance = map(model, broom::glance)) %>% 
unnest(glance, .drop = TRUE)

glance %>%
select(r.squared, p.value)

#vars    r.squared p.value
#<chr>       <dbl>   <dbl>
#1 x1 _ y1 0.00946     0.683
#2 x2 _ y1 0.00474     0.773
#3 x3 _ y1 0.00442     0.781
#4 x1 _ y2 0.106       0.162
#5 x2 _ y2 0.0890      0.201
#6 x3 _ y2 0.0000162   0.987