如何在for循环或s/lapply中添加线性回归？

Question

我一直在尝试(几天来)“自动化”几个线性回归，它们使用相同的x轴数据(“甲烷”)，但y轴不同(第1天、第10天、第16天等)。从每个回归中，我想提取截距和斜率，并将它们写在每个相应的列下(第1天到72天)。我仍然不知道哪种方法更适合循环或s/lapply。

示例(数据框名为"raw_standards")：

Methane 1        10       16       62       72 
224.62  1490700  1423400  2475400  2063300  1819650 
449.23  3297100  2878950  4980300  4078800  3701750 
842.32  4181900  5292200  10718500 8247400  7566600 
2246.18 9211500  12535000 25439000 19867500 16443000 
4492.36 29228000 27567000 49345000 39328000 30743000 

我的当前for循环如下：

for (i in raw_standards[,2:6]) {
  y = raw_standards [,3:20]
  lm(y ~ raw_standards$'uM Methane', raw_standards)
}

我还尝试使用lapply：

lapply (raw_standards [ , 2:6],
  lm(raw_standards [ , 2:6] ~ raw_standards$'uM Methane',raw_standards))

任何有助于理解如何正确编写正确代码的帮助都是非常感谢的。

Answer 1

我喜欢用管道做这类事情。来自hadley的三个包的出色组合将会完成这项工作。

df <- data.frame(Methane = rnorm(30),Day1 = rnorm(30),Day2 = rnorm(30),Day3 = rnorm(30))

library(tidyr)
library(dplyr)
library(purrr)

df %>% gather(Variable,value,-Methane) %>% split(.$Variable) %>% 
      map(~ lm(value ~ Methane, data = .)) %>%
      map("coefficients") 

第一步: gather函数将数据转换为长格式。

第二步:将数据帧拆分成一个数据帧列表。

第三步: map在列表的所有元素上构建线性模型(与lapply相同)

要进一步澄清，请参阅这些包的包小插页，这些包写得非常好。上述代码的输出为：

$Day1
(Intercept)     Methane 
 0.17664660 -0.07090221 

$Day2
(Intercept)     Methane 
 0.03615358  0.24230124 

$Day3
(Intercept)     Methane 
  0.1662604  -0.2836147