R中的单变量逻辑回归

Question

我正在尝试进行单变量逻辑回归分析。输入是一个数据框，其中包含 1 个响应变量、一些人口统计数据（年龄、性别和种族）和 >100 个预测变量。为了分析它，我一直在使用：

#Function
proc_glm <- function(predictors) {
    univariate <- glm(Data$Outcome ~ predictors, family = binomial)
    
    return(cbind(coef(summary(univariate)),OR = exp(coef(univariate)), exp(confint(univariate))))
  }

#Call Function
glm_output <- lapply(Data[5:150], proc_glm)

这在整个数据库上工作得很好。然后，我根据种族对数据进行了子集化，我使用的是：

Data1 <- subset(Data,Ethnicity==0)

没有明显问题； “数据 1”的行数比“数据”少，但变量数相同。没有缺失数据。

然后我尝试运行与以前相同的分析，在两个地方都将 Data1 替换为 Data，但我收到以下错误：

cbind(coef(summary(univariate)), OR = exp(coef(univariate)) 中的错误： 矩阵的行数必须匹配（参见参数 3）

我不确定我所做的更改会导致错误。 我正在开发 R Studio - 版本 1.2.1335

数据如下所示：

Data <-cbind(
  data.frame(
    Age=sample(20:80,50),
    Gender=sample(0:1,size=50,replace=TRUE),
    Ethnicity=sample(0:2,size=50,replace=TRUE),
    Outcome=sample(0:1,size=50,replace=TRUE)
  ),
  data.frame(replicate(100,sample(0:2,50,rep=TRUE)))
)

Answer 1

问题在于您在函数中使用了参数预测器和全局变量 Data（因此它总是使用 Outcome 的每一行）。您需要将结果列作为参数传递，以便它与预测变量匹配相同的行数。

Data <-cbind(
  data.frame(
    Age=sample(20:80,50),
    Gender=sample(0:1,size=50,replace=TRUE),
    Ethnicity=sample(0:2,size=50,replace=TRUE),
    Outcome=sample(0:1,size=50,replace=TRUE)
  ),
  data.frame(replicate(100,sample(0:2,50,rep=TRUE)))
)

proc_glm <- function(predictors, outcome) {
  univariate <- glm(outcome ~ predictors, family = binomial)
  
  return(cbind(coef(summary(univariate)),OR = exp(coef(univariate)), exp(confint(univariate))))
}

glm_output <- lapply(Data[5:100], proc_glm, outcome=Data$Outcome)

Data1 <- subset(Data,Ethnicity==0)
glm_output <- lapply(Data1[5:100], proc_glm, outcome=Data1$Outcome)