我想在数据框中使用单个解释变量来解释许多其他变量的变化 . 数据框看起来像:
df:
explanatory_var dep_var_1 dep_var_2 dep_var_3
1 1.05 1.75 1.98
7 3.8 2.1 9.5
4.5 2 1.9 4
在伪代码中,我想:
fit_df$coefficient <- lm((dep_var_1, dep_var_2, dep_var_3) ~ explanatory_variable, na.action = na.exclude)$coefficient
fit_df$intercept <- lm((dep_var_1, dep_var_2, dep_var_3) ~ explanatory_variable, na.action = na.exclude)$intercept
fit_df$coefficient_significance_code <- lm((dep_var_1, dep_var_2, dep_var_3) ~ explanatory_variable, na.action = na.exclude)$coefficient_significance_code
fit_df$intercept_significance_code <- lm((dep_var_1, dep_var_2, dep_var_3) ~ explanatory_variable, na.action = na.exclude)$intercept_significance_code
所以我最终得到的东西(数据完全组成,不适合上述,只是一个例子)
fit_df:
variable coefficient intercept coefficient_significance_code intercept_significance_code
dep_var_1 .35 0.5 *** ***
dep_var_2 .5 0.75 *** ***
dep_var_3 .43 1.0 *** ***
我相信这个问题的反面是:Using R's lm on a dataframe with a list of predictors
答案似乎可能与此有关:Repeat regression with varying dependent variable,但我不是在创建我的数据框架,也不是在寻找ls的意思 .
1 回答
如果您使用单个解释变量来解释多个因变量的变化,则manova可能更适合该任务 .
使用您的数据,可能会是这样的:
顺便说一句,没有足够的观察来运行该代码,它将导致错误 . 我希望你的数据集有很多观察结果 . 希望这可以帮助!