使用 lapply 进行具有公式更改的多元回归，而不是数据集答案

【问题标题】：Use lapply for multiple regression with formula changing, not the dataset使用 lapply 进行具有公式更改的多元回归，而不是数据集
【发布时间】：2017-06-25 09:57:59
【问题描述】：

我看到了一个 list apply (lapply) 的示例，它可以很好地获取数据对象列表，并返回一个回归输出列表，我们可以将其传递给 Stargazer 以获得格式良好的输出。 Using stargazer with a list of lm objects created by lapply-ing over a split data.frame

library(MASS)
library(stargazer)
data(Boston)

by.river <- split(Boston, Boston$chas)
class(by.river)

fit <- lapply(by.river, function(dd)lm(crim ~ indus,data=dd))
stargazer(fit, type = "text")

我想做的是，而不是传递数据集列表来对每个数据集进行相同的回归（如上），传递自变量列表以对同一数据集进行不同的回归。长期来看，它看起来像这样：

fit2 <- vector(mode = "list", length = 2)
fit2[[1]] <- lm(nox ~ indus, data = Boston)
fit2[[2]] <- lm(crim ~ indus, data = Boston)
stargazer(fit2, type = "text")

使用 lapply，我试过了，但它不起作用。我哪里做错了？

myvarc <- c("nox","crim")
class(myvarc)
myvars <- as.list(myvarc)
class(myvars)
fit <- lapply(myvars, function(dvar)lm(dvar ~ indus,data=Boston))
stargazer(fit, type = "text")

【问题讨论】：

这可行，但不整洁（使用列号而不是名称，不保留名称作为 stargazer 输出的标题）fit3 = lapply(Boston[,c(1,5)], function(x)(lm(x ~ Boston$indus))) stargazer(fit3, type = "text")
问题解决如下。然而，这些标签并不能很好地流向 Stargazer。这段代码将解决这个问题。stargazer(fit, type = "text", dep.var.labels.include = FALSE, column.labels = myvarc)

标签： r regression lapply stargazer

【解决方案1】：

你也可以使用get()：

# make a list of independent variables
  list_x <- list("nox","crim")

# create regression function
  my_reg <- function(x) { lm(indus ~ get(x), data = Boston) }

# run regression
  results <- lapply(list_x, my_reg)

【讨论】：

@rafapereira 感谢分享您的代码。有用。赞成。有没有办法检索独立预测变量的 p 值？

【解决方案2】：

您还可以使用dplyr 和purrr 方法，将所有内容保存在tibble 中，在需要时取出您想要的。与lapply 方法在功能上没有区别。

library(dplyr)
library(purrr)
library(MASS)
library(stargazer)

var_tibble <- tibble(vars = c("nox","crim"), data = list(Boston)) 

 analysis <- var_tibble %>% 
  mutate(models = map2(data, vars, ~lm(as.formula(paste0(.y, " ~ indus")), data = .x))) %>% 
  mutate(tables = map2(models, vars, ~stargazer(.x, type = "text", dep.var.labels.include = FALSE, column.labels = .y)))

【讨论】：

【解决方案3】：

考虑从字符串创建动态公式：

fit <- lapply(myvars, function(dvar)
    lm(as.formula(paste0(dvar, " ~ indus")),data=Boston))

【讨论】：

类似地，reformulate，您可以使用fit <- lapply(myvars, function(dvar) lm(reformulate("indus", dvar)),data=Boston))。

【解决方案4】：

这应该可行：

fit <- lapply(myvars, function(dvar) lm(eval(paste0(dvar,' ~ wt')), data = Boston))

【讨论】：

虽然这和 Parfait 的一样有效，但 Parfait 的 as.formula 阅读起来更有意义。不过我怀疑，使用更通用的eval() 更灵活，并且在其他一些情况下可能会有所帮助。干杯，
在 R 中，eval(parse...)) 虽然这里使用了eval(paste0(...))，但出于各种原因（即安全性、一致性），通常不建议使用相同的概念来评估字符串表达式。见here 和here。
感谢您的教育！干杯，-
感谢@Parfait 的链接