线性回归并将结果存储在数据框中[重复]

我正在对数据框中的某些变量进行线性回归。我希望能够通过分类变量对线性回归进行子集化，对每个分类变量运行线性回归，然后将 t 统计数据存储在数据框中。如果可能的话，我想在没有循环的情况下执行此操作。

这是我正在尝试做的事情的示例：

  a<-  c("a","a","a","a","a",
         "b","b","b","b","b",
         "c","c","c","c","c")     
  b<-  c(0.1,0.2,0.3,0.2,0.3,
         0.1,0.2,0.3,0.2,0.3,
         0.1,0.2,0.3,0.2,0.3)
  c<-  c(0.2,0.1,0.3,0.2,0.4,
         0.2,0.5,0.2,0.1,0.2,
         0.4,0.2,0.4,0.6,0.8)
      cbind(a,b,c)

我可以首先运行以下线性回归并非常轻松地提取 t 统计量：

  summary(lm(b~c))$coefficients[2,3]

但是，我希望能够在 a 列为 a、b 或 c 时运行回归。然后我想将 t-stats 存储在如下表中：

variable t-stat
a        0.9
b        2.4
c        1.1

希望这是有道理的。如果您有任何建议，请告诉我！

这是一个使用的解决方案dplyr and tidy()来自broom包裹。tidy()转换各种统计模型输出（例如lm, glm, anova等）到一个整洁的数据框中。

library(broom)
library(dplyr)

data <- data_frame(a, b, c)

data %>% 
  group_by(a) %>% 
  do(tidy(lm(b ~ c, data = .))) %>% 
  select(variable = a, t_stat = statistic) %>% 
  slice(2)

#   variable     t_stat
# 1        a  1.6124515
# 2        b -0.1369306
# 3        c  0.8000000  

或者提取截距项和斜率项的 t 统计量：

data %>% 
  group_by(a) %>% 
  do(tidy(lm(b ~ c, data = .))) %>% 
  select(variable = a, term, t_stat = statistic)

#   variable        term     t_stat
# 1        a (Intercept)  1.2366939
# 2        a           c  1.6124515
# 3        b (Intercept)  2.6325081
# 4        b           c -0.1369306
# 5        c (Intercept)  1.4572335
# 6        c           c  0.8000000