我需要使用循环从我的数据集中找到所有预测值(p-value< 0.05)。有什么办法可以做到吗？

Question

我是R的新手，我正在使用glm()函数来拟合逻辑模型。我有5列。我需要根据p值(小于0.05)使用循环找到所有可能的预测因子。我的数据集有40,000个条目，其中包含数值和分类变量，它看起来或多或少如下：

  "Age"   "Sex"     "Occupation"    "Education"   "Income"       
   50       Male      Farmer         High School    False
   30      Female      Maid          High School    False
   25       Male     Engineer        Graduate       True 

目标变量"Income“表示该人的收入是否超过30K。如果是真的，他们赚的钱超过30K，反之亦然。我想找出可以用来使用循环预测目标的预测变量。另外，我可以根据p值找到最好的3个预测因子吗？

提前感谢！

Answer 1

如果我正确理解了你的问题，你正在寻找一种测试单变量模型的方法，给定你的数据框架(事实上，我怀疑你是否想测试这些变量的每一个组合，包括交叉变量)

我的建议是使用purrr::map函数并为每一列创建列表。根据您的信息检查以下示例：

library(tidyr)
library(purrr)

## Sample data
df <- data.frame(
  Age = rnorm(n = 40000, 
              mean = mean(c(50,30,25)), 
              sd(c(50,30,25))),
  
  Ocupation = sample(x = c("Farmer", "Maid", "Engineer"), 
                     size = 40000, 
                     replace = TRUE),
  Education = sample(x = c("High School", "Graduate", "UnderGraduate"), 
                     size = 40000, 
                     replace = TRUE),
  Income = as.logical(rbinom(40000, 1, 0.5))
  )


## Split dataframe into lists
list_df <- Map(cbind, split.default(df[-4], names(df)[-4]))
list_df <- lapply(list_df, cbind, "target" = df[4])

## Use map to fit a model for each list
list_models <- map(.x = list_df,
    .f = ~glm(Income ~ ., data = .x, family = binomial))

您可以使用list_modelsi调用每个模型。

现在回答你关于p值的问题的第二部分。鉴于每个项目都是唯一的，它们的指标也是唯一的，我建议您仔细检查p值的使用情况。诚然，它们很重要，但它们为您提供了一个接受概率，这取决于上下文的特定统计测试和treshold。它是统计质量和决策的基本工具(不仅关于t-检验，而且是f-test，因此是向前的)。但是对于排名呢？嗯，我会说这有点奇怪。但我只是想说:)