具有两个条件的循环语法

Question

如果这个问题以前已经回答过了，我很抱歉，但我在任何地方都找不到答案。我有一个包含5个不同结果变量和10个不同解释变量的回归，所以我使用两个循环来运行模型，如下所示：

for(i in 1:length(outcome)){
    for(j in 1:length(explanatory)){
      reg[[i]] <- glm(as.formula(paste(outcome[i],"~",explanatory[j])), data=mydata, family=binomial)
      assign(paste0("reg", i, j), reg[[i]])
  }
}

这样，例如reg11是具有第一个结果和第一个解释变量的回归，例如reg 310是具有第三个结果和第十个解释变量的回归。

现在，我希望从每个回归中提取betas以创建新的数据帧，并使用以下方法：

for(i in 1:5){
  for(j in 1:10){
  betas <- reg[[i,j]]$"coefficients"
  }
}

然而，似乎[i，j]的语法是错误的。我已经尝试了[i，j]，[i][j]和许多其他组合，但似乎都不起作用。我应该如何拼写它，这样R才能理解我所指的回归？

非常感谢!

Answer 1

我认为这里的问题是您在j循环中将公式赋给了reg[[i]]。这意味着，在j循环的相同迭代期间，您将在i循环中的每次迭代中覆盖reg[[i]]的每个值。你需要列表中的一个列表来实现你想要的结果。下面是我认为你想要的一个例子

##Creating some dataframes for fake data##
outcome<-as.data.frame(matrix(data=NA, nrow=5, ncol =10))
explanatory<-as.data.frame(matrix(data=NA, nrow=10, ncol =10))

##Functions to produce fake data##
obs.vars<-function(X){runif(10, 5, 100)}
resp.vars<-function(X){sample(c(0,1), 10, replace=TRUE)}

##Populating dataframes with fake data##
outcome<-apply(outcome, 2, resp.vars)  
explanatory<-apply(explanatory, 2, obs.vars)

##Create an empty list to save results of i loop##
reg<-NULL
##Looping to perform regressions
for(i in 1:ncol(outcome)){# i loop for response variables
  tmp<-list()#empty list to save results of j loop
    for(j in 1:ncol(explanatory)){# j loop for explanatory variables
    tmp[[j]]<- glm(outcome[,i]~explanatory[,j], family=binomial)# save regression model to jth element of tmp
    assign(paste0("reg", i, j), tmp[[j]])
    }#close j loop
  reg[[i]]<-tmp #save tmp list to ith element of reg 
}#close i loop

##Similar set up to extract coefficients from models##
##list to save results of i loop
betas<-NULL

#Looping to extract coefficients
for(i in 1:5){#i loop for response variables
  tmp<-NULL#empty list to save values from j loop
  for(j in 1:10){#j loop for explanatory variables
    tmp[[j]]<- cbind(reg[[i]][[j]]$"coefficients", data.frame(Exp_Var = j))
  }#close j loop 
  betas[[i]]<-cbind(data.frame(Obs_Var = i),do.call(rbind, tmp))#convert tmp to dataframe and save it to ith element of betas
}#close i loop
betas<-do.call(rbind, betas)# convert betas to dataframe

小心点，-Sean

Answer 2

通过将具有不同j值的所有回归分配给相同的列表元素(reg[[i]])，您可以不断地覆盖旧的回归模型。对于i的每个值，只保留最后一个。

我将使用您将i和j粘贴到标签以进行回归的逻辑，以有序的方式存储它们：

reg = list()
for(i in 1:length(outcome)){
    for(j in 1:length(explanatory)){
      label = paste("reg",i,"-",j,sep="")
      reg[[label]] <- glm(as.formula(paste(outcome[i],"~",explanatory[j])), data=mydata, family=binomial)
  }
}

因此，您会得到一个名为"reg1-1"或"reg3-10"的列表。现在，您可以遍历此列表。

• POA:如果使用$-sign表示法访问系数元素，则不需要引号：

betas = c()
models = c()
ivals = c()
jvals = c()
for(model in names(reg)){
    coefs = reg[[model]][["coefficients"]]
    beta = coefs[2] ## Or wherever your beta of interest is located in the coefficients
    ij = strsplit(substr(model,4,nchar(model)),"-")[[1]] ## Get i and j from the name
    betas=c(betas,beta)
    models=c(models,model)
    ivals=c(ivals,ij[1])
    jvals=c(jvals,ij[2])
}

dta = data.frame("Model"=models,
                 "Beta"=betas,
                 "I"=ivals,
                 "J"=jvals)

所以，你得到了一个整洁的小数据框，里面有你的所有betas以及它们对应的i和j的值。

您还可以在第一个循环中执行完整的第二个循环，其中您已经知道i和j，而不必从模型的名称中窥探它们。但我尽量接近你的解决方案。