r - 线性回归循环和系数提取误差

Question

我基本上想运行 1000 个线性回归(非常简单，Y~X)并从每个回归中提取系数。对于 Y，每个回归都是 200 个观测值的"块"，因为每个回归的 X 保持不变。这是我所拥有的：

X<-rgamma(200,23,2)
U_list <- replicate(1000,rnorm(200,0,1),simplify = FALSE)
U_list <- setNames(U_list,paste0("U",seq_along(U_list)))
U<-unlist(U_list)
Y_list<-0.6+0.4*X+U
Y_list<-setNames(Y_list,paste0("Y",seq_along(Y_list)))
Y<-unlist(Y_list)

为了尝试这个，我尝试了一个 for 循环

k<-seq(from=1, to=200000, by=200)
for(i in k){
assign(paste0("reg", i), lm(Y[i:199+i]~X))
}

我想到通过这个循环，我会做这样的事情

reg1<-lm(Y[1:200]~X)
reg2<-lm(Y[201:400]~X) etc.

但是出现了以下错误，我不太明白，因为如果我一个接一个地进行回归，我会得到一个结果

Error in model.frame.default(formula = Y[i:199 + i] ~ X, drop.unused.levels = TRUE) : 
variable lengths differ (found for 'X')

对于系数提取，我想到了一些 rbind()，但我不太确定这是否会导致。如果不是有很多问题要问，我将不胜感激，因为我仍在学习如何编程，有时这很令人沮丧！

Answer 1

我会用另一种数据结构来解决你的问题，这使得将一个函数应用于多个元素变得更加容易 -data.frame：

X<-rgamma(200,23,2)
Y <- replicate(1000,rnorm(200,0,1),simplify = T)
Mat <- as.data.frame(cbind(X,Y))
names(Mat) <- c("X",paste("Y",1:1000,sep="_"))
Coeffs <- as.data.frame(t(apply(Mat[,2:ncol(Mat)],2,function(col){
mod <- lm(col ~ Mat[,"X"])
return(mod$coefficients)
})))
head(Coeffs,10)
(Intercept)   Mat[, "X"]
Y_1    0.1616418 -0.007862732
Y_2    0.3841935 -0.030134746
Y_3   -0.4244851  0.044787500
Y_4    0.2059972 -0.017895949
Y_5    0.5207483 -0.048730507
Y_6    0.5163610 -0.036493825
Y_7    0.3589379 -0.038667216
Y_8   -0.2291387  0.025178289
Y_9   -0.1274423  0.010477415
Y_10  -0.6508141  0.047532979