r - 如何访问数据集的各个变量以进行线性回归？

Question

我使用的是波士顿数据集，来自 MASS 包。

我需要分别使用其他13个预测器来预测crim，并保存每个模型的斜率系数。

如何实现自动化？

我不知道如何在 for 循环中访问数据集的变量。

我已经尝试使用它的索引来访问单个变量:

fit1 = lm(Boston[1]~Boston[2])

但它会返回这个:

Error en model.frame.default(formula = Boston[1] ~ Boston[2], drop.unused.levels = TRUE) : 
  invalid type (list) for variable 'Boston[1]'

我想访问单个变量，以便使用 for 循环执行 13 个不同的 lm()s:类似于 fit = Boston[i ] ~ 波士顿[i+1]

Answer 1

reformulate() 是一种使用指定预测变量设置公式的便捷方法:

 library("MASS")
 get.slope <- function(pred) {
     fit <- lm(reformulate(pred,response="crim"),data=Boston)
     ## unname() to avoid duplicating name of response
     return(unname(coef(fit)[2]))
 }
 sapply(names(Boston)[-1],get.slope)
 ##          zn       indus        chas         nox          rm         age 
 ## -0.07393498  0.50977633 -1.89277655 31.24853120 -2.68405122  0.10778623 
 ##         dis         rad         tax     ptratio       black       lstat 
 ## -1.55090168  0.61791093  0.02974225  1.15198279 -0.03627964  0.54880478 
 ##        medv 
 ## -0.36315992