如何在 R 中使用迭代来简化我的 GLM 代码？答案

【问题标题】：How to use iteration in R to simplify my code for GLM?如何在 R 中使用迭代来简化我的 GLM 代码？
【发布时间】：2022-06-20 17:50:36
【问题描述】：

我刚开始使用 R，在尝试简化代码时遇到了一些问题。我无法分享我的真实数据，但我使用了一个开放的数据集来提出我的问题（品种代表我的 IV，年龄代表一个 DV）。

在我的数据集中，我有所有因子变量 - 我的自变量有 3 个水平，我的因变量都有 2 个水平 (0/1)。在一个更大的数据集中，我有六个因变量，并希望为每个变量运行一些描述性统计数据和 GLM。我已经找到了独立运行每个 DV 的工作代码，见下文。但是，我目前只是复制和粘贴此代码并每次替换 DV 变量。我想创建一个可以应用来简化代码的函数。

我曾尝试使用 purr 包（地图）来执行此操作，但没有运气。如果有人可以使用下面的示例数据提供如何执行此操作的示例，那将对我有很大帮助（尽管我知道在下面的数据中只提供了一个 DV）。

install.packages("GLMsData")
library(GLMsData)
data(butterfat)

library(tidyverse)
library(dplyr)

#Descriptive summaries
butterfat %>%
group_by(Breed, Age) %>%
summarise(n())

prop.table(table(butterfat$Breed, butterfat$Age), 1)

#Model
Age_model1 <- glm(Age ~ Breed, family=binomial, data=butterfat, na.action = na.omit)

#Get summary, including coefficients and p-values
summary(Age_model1)

#See coefficients, get odds ratio and confidence intervals
Age_model1$coefficients
exp(Age_model1$coefficients)
exp(confint(Age_model1))

【问题讨论】：

标签： loops iteration purrr glm simplify

【解决方案1】：

Many Models: R for Data Science

library(tidyverse)

iris %>%
  group_by(Species) %>%
  nest() %>% 
  mutate(lm = map(data,
                  ~glm(Sepal.Length~Sepal.Width,data = .))) %>% 
  mutate(tidy = map(lm,
                    broom::tidy)) %>% 
  unnest(tidy)

【讨论】：