在 R 中同时运行多个带有交互项的回归

Question

我有一个如下所示的数据框 (df)：

yourbehavior  condition  tryreduce  comfortable  vegvalidity
1             2          4          3            3
2             5          7          4            5
3             7          1          2            4

我想找出一种方法来有效地运行以下回归。

lm(yourbehavior ~ condition + tryreduce + (condition*tryreduce), data = df)
lm(yourbehavior ~ condition + comfortable + (condition*comfortable), data = df)
lm(yourbehavior ~ condition + vegvalidity + (condition*vegvalidity), data = df)

有谁知道我如何同时执行这些回归分析？我的实际数据集中的数据比本示例中包含的要多。

我了解到，使用 for 循环通常不是在 R 中进行此类分析的最有效方法。如果可能，我更喜欢使用 tidyverse，因为这是我最了解的。

Answer 1

您可以这样做，这将创建一个列表，其中每个元素都是回归模型之一，每个列表元素的名称将是与 condition 交互的变量：

library(tidyverse)

interaction.vars = c("tryreduce", "comfortable", "vegvalidity")

form = paste("yourbehavior ~ condition *", interaction.vars)

models = form %>% 
  set_names(interaction.vars) %>% 
  map(~lm(.x, data=df))

如果你想遍历除前两列之外的每一列，你可以这样做：

interaction.vars = names(df)[!names(df) %in% c("yourbehavior","condition")]

请注意，在模型公式中a*b 等价于a + b + a*b，因此您无需重复每个列名。

for 循环不一定是坏事，上面的map 函数本质上与for 循环的迭代方式相同。但是，R 中的许多函数都是vectorized，这比循环更快更简洁。