如何在R中同时运行多个logistic回归模型并批量计算对应p值

R实现批量单因素Logistic回归及结果汇总 #

假设你的数据集存储为数据框对象dat，且第一列为二分类因变量，其余列为自变量，可直接运行以下代码：

# 依赖包安装（仅首次运行需要）
# install.packages(c("broom", "dplyr"))
library(broom)
library(dplyr)

# 提取自变量列名
iv_list <- colnames(dat)[-1]

# 批量拟合模型并提取结果
logit_result <- lapply(iv_list, function(iv) {
  # 自动将二元自变量转为因子类型，可根据需求修改判定规则
  if (length(unique(na.omit(dat[[iv]]))) == 2) {
    dat[[iv]] <- as.factor(dat[[iv]])
  }
  # 拟合单因素logistic回归
  model <- glm(reformulate(response = colnames(dat)[1], termlabels = iv),
               data = dat, family = binomial("logit"))
  # 提取OR、95%CI、p值，过滤截距项
  model_res <- tidy(model, exponentiate = T, conf.int = T) %>%
    filter(term != "(Intercept)") %>%
    mutate(independent_var = iv) %>%
    select(independent_var, term, or = estimate, conf_low = conf.low, conf_high = conf.high, p_value = p.value)
  return(model_res)
}) %>% bind_rows()

# 输出汇总结果
View(logit_result)

补充说明 #

• 若你有明确的需要转因子的变量列表，可替换自动判定逻辑：将if判断替换为if (iv %in% c("你指定的变量名1", "变量名2"))即可
• 若需要保留截距项的计算结果，删除filter(term != "(Intercept)")行
• 最终输出的logit_result为结构化数据框，可直接导出为csv等格式使用

内容的提问来源于stack exchange，提问作者Kai Jiang