Итерация столбцов для линейной регрессии в R

Question

Я пытаюсь выбрать столбцы, чтобы сделать линейную регрессию.

Я пытался сделать что-то вроде этого, но это не похоже на работу

df <- 0 
x <- 0 
for(i in 1:30){ 
    reg.A_i <- lm(log(match("A", i, sep="_"))~ log(A_0) + B + C , data=y) 
    x <- coef(summary(reg.A_i)) 
    df <- cbind(df[,1],x) 
} 

Мой кадр данных имеет такие переменные, как это:

A_0, A_1, A_2, A_3 .... A_30, B, C 

Answer 1

Кажется, что вы хотите что-то вроде этого:

set.seed(42) 
#Some data: 
dat <- data.frame(A0=rnorm(100, mean=20), 
        A1=rnorm(100, mean=30), 
        A2=rnorm(100, mean=40), 
        B=rnorm(100), C = rnorm(100)) 

#reshape your data 
library(reshape2) 
dat2 <- melt(dat, id.vars=c("A0", "B", "C"), value.name="y") 

#do the regressions 
library(plyr) 
dlply(dat2, .(variable), function(df) {fit <- lm(log(y) ~ log(A0) + B + C, data=df) 
             coef(summary(fit)) 
             }) 

# $A1 
#     Estimate Std. Error t value  Pr(>|t|) 
# (Intercept) 3.323355703 0.173727484 19.1297061 1.613475e-34 
# log(A0)  0.024694764 0.057972711 0.4259722 6.710816e-01 
# B   0.001001875 0.003545922 0.2825428 7.781356e-01 
# C   -0.003843878 0.003045634 -1.2620944 2.099724e-01 
# 
# $A2 
#     Estimate Std. Error t value  Pr(>|t|) 
# (Intercept) 3.903836714 0.145839694 26.7679986 2.589532e-46 
# log(A0)  -0.071847318 0.048666580 -1.4763174 1.431314e-01 
# B   -0.001431821 0.002976709 -0.4810081 6.316052e-01 
# C   0.001999177 0.002556731 0.7819271 4.361817e-01 
# 
# attr(,"split_type") 
# [1] "data.frame" 
# attr(,"split_labels") 
# variable 
# 1  A1 
# 2  A2