使用 lapply 进行公式更改的多元回归，而不是数据集

Question

我看过一个列表应用（lapply）的例子，它可以很好地获取数据对象列表， 并返回一个回归输出列表，我们可以将其传递给 Stargazer 以获得格式良好的输出。 将 stargazer 与通过在拆分 data.frame 上重叠创建的 lm 对象列表一起使用

library(MASS)
library(stargazer)
data(Boston)

by.river <- split(Boston, Boston$chas)
class(by.river)

fit <- lapply(by.river, function(dd)lm(crim ~ indus,data=dd))
stargazer(fit, type = "text")

我想做的是，不是传递数据集列表来对每个数据集进行相同的回归（如上所述）， 传递自变量列表以对同一数据集进行不同的回归。从长远来看，它看起来像这样：

fit2 <- vector(mode = "list", length = 2)
fit2[[1]] <- lm(nox ~ indus, data = Boston)
fit2[[2]] <- lm(crim ~ indus, data = Boston)
stargazer(fit2, type = "text")

with lapply，我试过这个但它不起作用。我哪里出错了？

myvarc <- c("nox","crim")
class(myvarc)
myvars <- as.list(myvarc)
class(myvars)
fit <- lapply(myvars, function(dvar)lm(dvar ~ indus,data=Boston))
stargazer(fit, type = "text")

Answer 1

考虑从字符串创建动态公式：

fit <- lapply(myvars, function(dvar)
    lm(as.formula(paste0(dvar, " ~ indus")),data=Boston))

Answer 2

这应该有效：

fit <- lapply(myvars, function(dvar) lm(eval(paste0(dvar,' ~ wt')), data = Boston))

Answer 3

你也可以用

dplyr

&

purrr

的方式，把所有东西都放在一个

tibble

里，需要的时候拉出你想要的。功能与

lapply

方法没有区别。

library(dplyr)
library(purrr)
library(MASS)
library(stargazer)

var_tibble <- tibble(vars = c("nox","crim"), data = list(Boston)) 

 analysis <- var_tibble %>% 
  mutate(models = map2(data, vars, ~lm(as.formula(paste0(.y, " ~ indus")), data = .x))) %>% 
  mutate(tables = map2(models, vars, ~stargazer(.x, type = "text", dep.var.labels.include = FALSE, column.labels = .y)))

Answer 4

您也可以使用

get()

：

# make a list of independent variables
  list_x <- list("nox","crim")

# create regression function
  my_reg <- function(x) { lm(indus ~ get(x), data = Boston) }

# run regression
  results <- lapply(list_x, my_reg)