我在R中使用一个适合特定形式的回归模型的包。但是，与允许x和y为单独对象的基本lm（）函数不同，我正在使用的函数要求它们位于同一数据帧中。
我的问题出现了，因为我有很多变量，我想独立回归。因此，我有一个包含10个预测变量（x1，x2 ... x10）和一个标准变量（y）的数据帧，总共11列。我可以使用for循环来运行十个单独的回归，但我想避免它并使用apply函数。但是，如果我在我的数据框架上调用apply，那么在最后一步中它将对y本身进行回归，我想避免这种情况。是否有类似于apply的功能，我可以运行并指定thiat我只希望它运行10次而不是11次，或者是否有另一种解决方法来解决这个问题？
这是一个tidyverse解决方案：
library( tidyverse )
xx <- c("disp", "hp", "drat", "wt") # Names of predictor variables
y <- "mpg" # Name of response
str_c( y, xx, sep="~" ) %>%
map( as.formula ) %>% # Optional (see below)
map( lm, data = mtcars )
str_c只是将公式构建为字符串（例如，"mpg~disp"）。虽然lm直接接受字符串，但您的特定回归模型可能不会。如果它需要一个实际的公式，你可以使用as.formula将字符串转换为公式（感谢您的建议，@ J.Doe！）。除此之外，只需将lm替换为您的特定型号和mtcars与您的数据框。
这是使用基本R而没有任何其他包的相同解决方案：
strs <- paste( y, xx, sep="~" )
strs <- lapply( strs, as.formula ) # Optional
lapply( strs, lm, data=mtcars )
使用具有列anscombe，x1，x2，x3，x4，y1，y2，y3的内置y4数据框，假设我们想要分别对y1，x1，x2，x3中的x4进行回归。
首先创建一个自变量名称xnames的字符向量，并使用lapply在其上运行指示的run_lm。该函数将所需的公式粘贴在一起，并执行返回lm类对象的"lm"。 L，结果，是这些对象的列表，每个回归一个。
没有使用包裹。
xnames <- names(anscombe)[1:4]
run_lm <- function(nm) lm(paste("y1 ~", nm), anscombe)
L <- lapply(xnames, run_lm)
或者，这个较短版本的run_lm也适用于上面的lapply，但Call:输出线不是很好：
run_lm <- function(nm) lm(anscombe[c("y1", nm)])