Ich versuche 96 Regressionen auszuführen und speichern Sie die Ergebnisse als 96 verschiedene Objekte. Um die Dinge zu komplizieren, möchte ich, dass der Index einer der Kovariaten im Modell ebenfalls 96 Mal geändert wird. Ich habe das Problem fast gelöst, aber ich habe leider eine Wand getroffen. Der Code so weit ist,Schleife durch Kovariaten in Regression mit R
for(i in 1:96){
assign(paste("z.out", i,sep=""), lm(rMonExp_EGM~ TE_i + Month2+Month3+Month4+Month5+Month6+Month7+Month8+Month9+
Month10+Month11+Month12+Yrs_minus_2004 +
as.factor(LGA),data=Pokies))
}
Dieses auf der Objekterstellung Seite funktioniert (zum Beispiel habe ich z.out1 - z.out96), aber ich kann nicht scheinen, den Index auf der Kovariate zu erhalten als auch zu ändern.
Ich habe 96 Variablen namens TE_1, TE_2 ... TE_96 im Datensatz. Als solches muss der Index auf TE_ das "i" ändern, um jedem der Objekte, die ich erstelle, zu entsprechen. Das heißt, z.out1 sollten die Ergebnisse aus diesem Modell halten:
z.out1 <- lm(rMonExp_EGM~ TE_1 + Month2+Month3+Month4+Month5+Month6+Month7+Month8+Month9+
Month10+Month11+Month12+Yrs_minus_2004 + as.factor(LGA),data=Pokies)
Und z.out96 sein sollte:
z.out96 <- lm(rMonExp_EGM~ TE_96+ Month2+Month3+Month4+Month5+Month6+Month7+Month8+Month9+
Month10+Month11+Month12+Yrs_minus_2004 + as.factor(LGA),data=Pokies)
Hoffentlich macht Sinn. Ich bin dankbar für irgendwelche Tipps/Ratschläge.
Aber abgesehen von den Prog Ramming-Problem, sollten Sie wahrscheinlich über CrossValidate über LM auf einer Zeitreihe als einzelne Faktoren neu denken oder fragen. Das Ergebnis ist definitiv irreführend oder einfach falsch. –