我需要将回归结果合并到一个唯一的表中。给你一个想法:
这是我的数据集的示例
> head(final, 20)
nquest nord sex anasc ireg eta staciv studio tpens
1 173 1 1 1948 18 64 3 5 2500
2 375 1 2 1925 16 87 4 2 1340
3 629 1 1 1939 5 73 4 3 1188
4 632 1 1 1950 5 62 1 3 1320
5 633 1 2 1934 5 78 4 2 350
6 1238 1 1 1937 15 75 4 3 1000
7 7886 1 1 1950 9 62 1 5 2000
8 11972 2 1 1938 17 74 1 2 750
9 20174 1 1 1941 8 71 1 5 2000
10 20174 2 2 1942 8 70 1 3 132
11 20223 1 2 1938 3 74 1 5 800
12 20223 2 1 1939 3 73 1 4 980
13 20711 2 1 1944 4 68 1 2 1900
14 20837 1 1 1931 8 81 1 4 1600
15 20837 2 2 1928 8 84 1 2 430
16 21461 1 2 1918 5 94 4 2 600
17 22173 1 1 1938 15 74 1 2 1200
18 22208 1 2 1935 5 77 4 2 700
19 22222 1 1 1927 5 85 4 2 1100
20 22276 1 1 1949 8 63 2 5 1170
我正在运行这些回归
lm(log(tpens) ~ sex, data = final)
lm(log(tpens) ~ sex + eta, data = final)
lm(log(tpens) ~ sex + eta + ireg, data = final)
lm(log(tpens) ~ sex + eta + ireg + studio, data = final)
有没有办法让输出彼此相邻？
这是我正在寻找的示例(如果它可以包含来自回归的更多信息，那就更好了)
Estimate
(Intercept) 7.47635*** 8.5236948*** 8.5814025*** 7.4580630***
sex -0.42052*** -0.4170048*** -0.4229487*** -0.4153185***
eta -0.0146341*** -0.0145885*** -0.0068207***
ireg -0.0057238*** -0.0035033***
studio 0.1624156***
.... .....
我从过去的问题中看到可以使用 mapply 和 do.call ，但我无法以正确的方式设置它们......谁能帮我？还有其他方法吗？
更新
感谢@akrun
# A tibble: 14 x 6
fmla term estimate std.error statistic p.value
<chr> <chr> <dbl> <dbl> <dbl> <dbl>
1 log(tpens) ~ sex (Intercept) 7.48 0.0221 339. 0
2 log(tpens) ~ sex sex -0.421 0.0148 -28.3 5.53e-162
3 log(tpens) ~ sex + eta (Intercept) 8.52 0.0648 132. 0
4 log(tpens) ~ sex + eta sex -0.417 0.0144 -29.0 2.92e-169
5 log(tpens) ~ sex + eta eta -0.0146 0.000854 -17.1 1.12e- 63
6 log(tpens) ~ sex + eta + ireg (Intercept) 8.58 0.0658 130. 0
7 log(tpens) ~ sex + eta + ireg sex -0.423 0.0144 -29.4 4.43e-173
8 log(tpens) ~ sex + eta + ireg eta -0.0146 0.000853 -17.1 1.44e- 63
9 log(tpens) ~ sex + eta + ireg ireg -0.00572 0.00125 -4.57 5.06e- 6
10 log(tpens) ~ sex + eta + ireg + studio (Intercept) 7.46 0.0602 124. 0
11 log(tpens) ~ sex + eta + ireg + studio sex -0.415 0.0119 -34.8 9.36e-234
12 log(tpens) ~ sex + eta + ireg + studio eta -0.00682 0.000729 -9.36 1.24e- 20
13 log(tpens) ~ sex + eta + ireg + studio ireg -0.00350 0.00104 -3.37 7.68e- 4
14 log(tpens) ~ sex + eta + ireg + studio studio 0.162 0.00367 44.2 0
更新2
# A tibble: 5 x 5
term `log(tpens) ~ sex` `log(tpens) ~ sex + eta` `log(tpens) ~ sex + eta + ireg` log(tpens) ~ sex + eta + ireg ~1
<chr> <dbl> <dbl> <dbl> <dbl>
1 (Intercept) 7.48 8.52 8.58 7.46
2 sex -0.421 -0.417 -0.423 -0.415
3 eta NA -0.0146 -0.0146 -0.00682
4 ireg NA NA -0.00572 -0.00350
5 studio NA NA NA 0.162
# ... with abbreviated variable name 1: `log(tpens) ~ sex + eta + ireg + studio`
最佳答案
我们可以循环公式，创建线性模型，提取所需的信息(整洁)并返回单个数据
library(dplyr)
library(purrr)
library(broom)
out <- lst(log(tpens) ~ sex, log(tpens) ~ sex + eta,
log(tpens) ~ sex + eta + ireg,
log(tpens) ~ sex + eta + ireg + studio) %>%
map(lm, data = final) %>%
map(tidy) %>%
list_rbind(names_to = 'fmla')
如果我们想要一个宽格式的“估计”
library(tidyr)
out %>%
select(fmla, term, estimate) %>%
pivot_wider(names_from = fmla, values_from = estimate)
关于R:如何将结果合并为唯一的输出？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/75618679/