r - 获取 "mlm"返回的 `lm()` 对象的回归系数的标准误差

Question

我想对同一个回归器运行 10 次回归，然后提取所有标准错误 不使用循环 .

depVars <- as.matrix(data[,1:10]) # multiple dependent variables
regressor <- as.matrix([,11]) # independent variable
allModels <- lm(depVars ~ regressor) # multiple, single variable regressions

summary(allModels)[1] # Can "view" the standard error for 1st regression, but can't extract...

allModels存储为“mlm”对象，这真的很难处理。如果我可以存储 lm 的列表，那就太好了对象或具有感兴趣统计信息的矩阵。

同样，目标是不使用循环。这是一个等效的循环:

regressor <- as.matrix([,11]) # independent variable
for(i in 1:10) { 
  tempObject <- lm(data[,i] ~ regressor) # single regressions
  table1Data[i,1] <- summary(tempObject)$coefficients[2,2] # assign std error
  rm(tempObject)
  }

Answer 1

如果你把你的数据放在长格式中，使用 lmList 很容易得到一堆回归结果。来自 nlme 或 lme4 包。输出是回归结果列表，摘要可以为您提供系数矩阵，就像您想要的那样。

library(lme4)

m <- lmList( y ~ x | group, data = dat)
summary(m)$coefficients

这些系数位于一个简单的 3 维数组中，因此标准误差为 [,2,2] .