我希望在下面的数据帧上运行线性回归。
test<-data.frame(abc=c(2.4,3.2,8.9,9.8,10.0,3.2,5.4),
city1_0=c(5.3,2.6,3,5.4,7.8,4.4,5.5),
city1_1=c(2.3,5.6,3,2.4,3.6,2.4,6.5),
city1_2=c(4.2,1.4,2.6,2,6,3.6,2.4),
city1_3=c(2.4,2.6,9.4,4.6,2.5,1.2,7.5),
city1_4=c(8.2,4.2,7.6,3.4,1.7,5.2,9.7),
city2_0=c(4.3,8.6,6,3.7,7.8,4.7,5.8), city2_1=c(5.3,2.6,3,5.4,7.8,4.4,5.5))
数据框“测试”是数据的样本。但原始数据框包含 100 列。我想创建一个使用线性回归预测值的脚本。在这种情况下,我想构建许多具有不同输入变量的模型。
例如,在给定的数据框中,abc是 y 变量。我想建立一个模型
city1_1、city1_2、city1_3、city1_4(离开 city1_0、city2_0)。然后使用 city1_2,city1_3,city1_4 的其他模型(离开 city1_0,city1_1,city2_0,city2_1)
然后是第三个模型,输入变量 city1_3、city1_4(离开 city1_0、city1_1、city1_2、city2_0、city2_1),依此类推。
这些所有变量都是线性回归的输入。
我必须对 40 个数据帧执行此操作。每个数据帧的 O/P 变量名称保持相同。