我有一个具有60个尺寸的嵌套循环，即，彼此嵌套60个循环。在Stata中，MWE如下所示：
forvalues i = 1/60 {
forvalues j = 1/60 {
forvalues k = 1/60 {
forvalues l = 1/60 {
... imagine the 56 remaining loops here
}
}
}
}
R中的等效项是：
for(i in 1:60) {
for(j in 1:60) {
for(k in 1:60) {
for(l in 1:60) {
... imagine the 56 remaining loops here
}
}
}
}
这里的目的是避免在我的代码中键入所有60个级别，而是为循环结构本身创建一个循环。这个问题显得微不足道。但是由于某种原因，我正在努力提出解决方案。
感谢您的任何建议。
附加信息：
我有一个包含60个解释变量的数据集，并希望对这些变量的每种可能组合进行回归分析。更具体地说，我分别对所有60个解释变量运行因变量的单变量回归并计算某些条件。然后，将第二个回归变量添加到估计方程式，然后再次计算标准。即reg DependentVar ExplVar1 ExplVar2，reg DependentVar ExplVar1 ExplVar3，...， reg DependentVar ExplVar60 ExplVar59。取决于计算的标准，该回归树的分支可以提前，也可以终止。例如，第一个分支reg DependentVar ExplVar1 ExplVar2要么继续增长为reg DependentVar ExplVar1 ExplVar2 ExplVar3，reg DependentVar ExplVar1 ExplVar2 ExplVar4等等，要么终止为reg DependentVar ExplVar1 ExplVar2。包含多个解释性因素的分支也将被剪切-例如reg DependentVar ExplVar1 ExplVar1或reg DependentVar ExplVar1 ExplVar2 ExplVar1。总体而言，我因此设计了一种模型选择方法。我知道已经存在的模型选择命令，但是需要针对给定数据集的特定属性定制的命令。
考虑rapply与combn。下面演示了5个解释变量。对于实际用例：
paste0("ExplVar", 1:5)为您的60个变量的名称（可能使用names(df)）1:5，1:60其中包括简单的一个变量回归作为apply系列的递归成员rapply（我从来没有想过会被淘汰以获取SO答案！）将从嵌套列表中构建线性公式的字符向量，然后可以使用lm以下方法对其进行迭代：
expvar_list <- lapply(1:5, function(x) combn(paste0("ExplVar", 1:5), x, simplify=FALSE))
formulas_list <- rapply(expvar_list, function(x) paste("DepVar ~", paste(x, collapse="+")))
formulas_list
# [1] "DepVar ~ ExplVar1"
# [2] "DepVar ~ ExplVar2"
# [3] "DepVar ~ ExplVar3"
# [4] "DepVar ~ ExplVar4"
# [5] "DepVar ~ ExplVar5"
# [6] "DepVar ~ ExplVar1+ExplVar2"
# [7] "DepVar ~ ExplVar1+ExplVar3"
# [8] "DepVar ~ ExplVar1+ExplVar4"
# [9] "DepVar ~ ExplVar1+ExplVar5"
# [10] "DepVar ~ ExplVar2+ExplVar3"
# [11] "DepVar ~ ExplVar2+ExplVar4"
# [12] "DepVar ~ ExplVar2+ExplVar5"
# [13] "DepVar ~ ExplVar3+ExplVar4"
# [14] "DepVar ~ ExplVar3+ExplVar5"
# [15] "DepVar ~ ExplVar4+ExplVar5"
# [16] "DepVar ~ ExplVar1+ExplVar2+ExplVar3"
# [17] "DepVar ~ ExplVar1+ExplVar2+ExplVar4"
# [18] "DepVar ~ ExplVar1+ExplVar2+ExplVar5"
# [19] "DepVar ~ ExplVar1+ExplVar3+ExplVar4"
# [20] "DepVar ~ ExplVar1+ExplVar3+ExplVar5"
# [21] "DepVar ~ ExplVar1+ExplVar4+ExplVar5"
# [22] "DepVar ~ ExplVar2+ExplVar3+ExplVar4"
# [23] "DepVar ~ ExplVar2+ExplVar3+ExplVar5"
# [24] "DepVar ~ ExplVar2+ExplVar4+ExplVar5"
# [25] "DepVar ~ ExplVar3+ExplVar4+ExplVar5"
# [26] "DepVar ~ ExplVar1+ExplVar2+ExplVar3+ExplVar4"
# [27] "DepVar ~ ExplVar1+ExplVar2+ExplVar3+ExplVar5"
# [28] "DepVar ~ ExplVar1+ExplVar2+ExplVar4+ExplVar5"
# [29] "DepVar ~ ExplVar1+ExplVar3+ExplVar4+ExplVar5"
# [30] "DepVar ~ ExplVar2+ExplVar3+ExplVar4+ExplVar5"
# [31] "DepVar ~ ExplVar1+ExplVar2+ExplVar3+ExplVar4+ExplVar5"
models_list <- lapply(formulas_list, function(x) summary(lm(as.formula(x), mydata)))
注意：请注意，不同长度的60个变量的组合数量非常多！
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
我来说两句