嵌套循环不返回期望值：从多个重新计算的自变量返回模型结果

Question

我希望我的嵌套循环没有返回我期望的值。我是嵌套循环新手，请耐心等待。我想为逻辑回归模型计算一个新的自变量，该模型基于原始变量的不同计算。具体来说，我有六个变量“x1 ... x6”，然后通过从成对的原始变量中提取百分位数来创建三个新变量（newvar1，newvar2，newvar3）。从这三个新变量中，我将它们通过减法相结合，形成一个最终的新变量，它形成逻辑回归模型的独立变量。然后通过逻辑回归模型的AIC评估最终变量的值。

我需要确定形成newvar2，newvar2和newvar3的百分位数值的最佳组合，从而为我提供最佳逻辑回归模型。为此，我试图创建一个三级嵌套这样的：

df <- data.frame(x1 <- rnorm(100), 
      x2 <- rnorm(100), 
      x3 <- rnorm(100), 
      x4 <- rnorm(100), 
      x5 <- rnorm(100), 
      x6 <- rnorm(100), 
      y <- as.factor(runif(100)<=.70)) 

n = 1 
AIC = NULL 
for (i in 0.1:n){ 
    for (j in 0.1:n){ 
    for (k in 0.1:n){ 
     df$newvar1 <-apply(df[,1:2], 1, quantile, probs = i, na.rm = T) 
     df$newvar2 <-apply(df[,3:4], 1, quantile, probs = j, na.rm = T) 
     df$newvar3 <-apply(df[,5:6], 1, quantile, probs = k, na.rm = T) 
     df$finalvar <- df$newvar1 - df$newvar2 - df$newvar3 
     model <- glm(y ~ finalvar, data = df, family = "binomial") 
     AIC[i] <- as.numeric(model$aic) 
    } 
    } 
} 

我想以“probs 11倍提供的值（0，0.1％，0.2 .... 0.9,1）的序列“分位数函数的论点，我想为每个可能的分位数参数估计（11 * 11 * 11）得到AIC。因此最后的AIC变量应该是一个121值的数字向量。但是，当我运行上面的代码时，我得到AIC的空数值。我怎样才能让这段代码正常运行并为我提供所有可能的121个模型的值？

谢谢！

编辑：这不是解决方案，但提供了我认为的答案的一部分。在我以前的代码中，“n”小于1，所以它只执行一次迭代，（显然）“n”需要大于1。之前不到1的原因是分位数的“probs”参数需要0到1之间的值。结果是，传递给参数probs的参数现在除以10。现在使用AIC [1] i可以获得10％的载体，但我还是不要“不懂如何获得完整的10 * 10 * 10（或11 * 11 * 11），代表所有组合

新代码：

n = 10 
AIC = NULL 
for (i in 1:n){ 
    for (j in 1:n){ 
    for (k in 1:n){ 
     df$newvar1 <-apply(df[,1:2], 1, quantile, probs = i/10, na.rm = T) 
     df$newvar2 <-apply(df[,3:4], 1, quantile, probs = j/10, na.rm = T) 
     df$newvar3 <-apply(df[,5:6], 1, quantile, probs = k/10, na.rm = T) 
     df$finalvar <- df$newvar1 - df$newvar2 - df$newvar3 
     model <- glm(y ~ finalvar, data = df, family = "binomial") 
     AIC[i] <- as.numeric(model$aic) 
    } 
    } 
} 

Answer 1

首先，AIC是一个R函数，所以我将其名称更改为aic。 其次，在代码的最内层循环中，仅索引i，当您有3个索引时。在你真的需要。

n = 10 
aic = array(0, dim = c(n, n, n)) # changed 
for(...) 
    for(...) 
     for(...){ 
      [...] 
      aic[i, j, k] <- as.numeric(model$aic) # changed 
     }