如何从批量单变量逻辑回归结果中提取符合p值阈值的变量名？

很高兴帮你搞定这个变量筛选的需求！首先咱们先修正一下你的uni.log2函数里的小细节——当前函数返回的是截距项和自变量两个p值，但你需要的只是自变量对应的p值，所以先把函数调整一下：

# 修正后的单变量逻辑回归函数，仅返回自变量的p值
uni.log2 <- function(x) {
  log.mod2 <- glm(Renewf ~ x, data = dt.train2, family = binomial())
  # 提取系数表中第二行（自变量x）的第4列（p值）
  return(coef(summary(log.mod2))[2, 4]) 
}

接下来，运行批量回归并保存结果：

# 对指定列批量运行单变量回归，得到带变量名的p值向量
uni_p_results <- apply(X = dt.train2[c(3:16)], MARGIN = 2, FUN = uni.log2)

现在uni_p_results是一个命名数值向量，每个元素的名字就是你的自变量名称，值对应的是该变量单变量回归的p值。接下来筛选p值<0.25的变量名就很简单了：

# 设置阈值
threshold <- 0.25
# 筛选符合条件的变量名
signif_vars <- names(which(uni_p_results < threshold))

如果之后你想直接生成多变量逻辑回归的公式，还可以用这行代码快速拼接：

# 生成多变量模型公式
multivar_formula <- as.formula(paste("Renewf ~ ", paste(signif_vars, collapse = "+"), sep = ""))
# 可以直接用这个公式建模
log.mod_multivar <- glm(multivar_formula, data = dt.train2, family = binomial())

为什么这样可行？ #

当你用apply对数据框的列（MARGIN=2）应用函数时，返回的结果会自动保留原数据框的列名作为向量元素的名称，所以我们可以直接通过names(which(...))提取符合阈值条件的变量名，非常方便。

内容的提问来源于stack exchange，提问作者Aaron England