线性回归上的 R 循环

我浏览了论坛，但找不到我要找的东西。

我想运行几次简单的线性回归。每次使用不同的列作为自变量时，因变量保持不变。运行后，我希望能够从每个回归中提取 R 平方。我的思考过程是使用一个简单的 for 循环。但是，我无法让它发挥作用。

假设我使用以下数据：

    num value person1 person2 person3
0   1   229   29      81      0
1   2   203   17      75      0
2   3   244   62      0       55

我想对value使用三个变量：person1, person2 and person3。请注意，这是一个最小的工作示例，但我希望概括这个想法。

所以我最初的尝试是：

column <- names(df)[-2]
for(i in 3:5){
  temp <- df[,c("value", column[i])]
  lm.test <- lm(value ~ ., data = temp)
  i + 1 
}

然而，当我跑步时summary(lm.test)我只得到最后一次回归的摘要，即lm(value ~ person3)我认为这是有道理的，但当尝试将其重写为：lm.test[i] <- lm(value ~ ., data = temp)我收到以下错误：

debug at #3: temp <- df[,c("value", column[i])]

表明第 3 行有问题？

如果可能的话，我希望能够捕获每个回归的摘要，但是我真正想要的是每一个回归的 R 平方.

您可以创建formula循环然后运行lm。例如，如果我想对mtcars用于回归mpg在每个cyl, wt, hp，我可以使用以下内容：

vars <- c("cyl", "wt", "hp")
lm_results <- lapply(vars, function(col){
    lm_formula <- as.formula(paste0("mpg ~ ", col))
    lm(lm_formula, data = mtcars)
})

然后你可以再次迭代lm_results得到 r.squared：

lapply(lm_results, function(x) summary(x)$r.squared)