我曾尝试这个QA适用： “高效循环回归的R”以我自己的问题，但我不能完全使它发挥作用。 我还没有尝试过使用申请，但我被几个人，一个for循环是这里最好的（如果有人认为，否则请随时解释！）我觉得这个问题是非常generalizeable并没有太多深奥的告诉论坛。
这就是我想实现的：我有3个预测变量（性别，年龄，种族）和几个人86个基因位置的因变量（比例）的数据集。 我想为每一个位置（因此为86个3预测变量线性回归）运行二元线性回归。 然后，我要输出的结果在一些容易阅读格式; 我的想法是与行数=性别，年龄和种族，和列= 86位的矩阵。 会有的每一行*列组合的p值。 然后我可以调用的p值<0.1（或任何阈值I希望）很容易地看到哪些预测器显著在各位置比例相关联。
这是我到目前为止的代码。
BB <- seq.csv[,6:91] #the data frame containing the 86 positions
AA <- seq.csv[,2:4] #the data frame containing the 3 predictor variables
linreg <- matrix(NA,3,86) #make a results vector and fill it with NA
for (i in 1:86) #loop over each position variable
{
for (j in 1:3) #for each position variable, loop over each predictor
{
linreg[i,j] <- lm(BB[,i]~AA[,j]) #bivariate linear regression
}}
无论我如何改变这种（例如，它简化了遍历的位置只有一个预测），我仍然得到一个错误，我的矩阵是不一样的长度（项目替换的数量不是更换长度的倍数） 。 实际上，长度（linreg）= 286（3 * 86）和长度（BB）= 86和长度（AA）= 3。 我知道后两者dataframes，不是矩阵...但如果我将其转换为矩阵，我得到一个无效的类型的错误（无效的类型（单）可变“BB [我]”）。 我不知道如何解决这个错误，因为我只是不明白[R不够好。我查阅过的书籍应用统计遗传学与R和R编程的艺术都无济于事，而我被谷歌搜索所有天。 而且我还没有得到的编码输出的结果...
我会很感激的一种更好的方式调试任何提示或一些建议编写这个！ 谢谢大家。
