Как кратко написать формулу со многими переменными из фрейма данных?

Предположим, что у меня есть переменная ответа и данные, содержащие три ковариата (в качестве примера игрушек):

y = c(1,4,6)
d = data.frame(x1 = c(4,-1,3), x2 = c(3,9,8), x3 = c(4,-4,-2))

Я хочу подстроить линейную регрессию к данным:

fit = lm(y ~ d$x1 + d$x2 + d$y2)

Есть ли способ написать формулу, так что мне не нужно записывать каждый отдельный ковариат? Например, что-то вроде

fit = lm(y ~ d)

(Я хочу, чтобы каждая переменная в кадре данных была ковариантной.) Я спрашиваю, потому что у меня на самом деле 50 переменных в моем кадре данных, поэтому я хочу избежать записи x1 + x2 + x3 + etc.

Ответ 1

Существует специальный идентификатор, который можно использовать в формуле для обозначения всех переменных, это идентификатор ..

y <- c(1,4,6)
d <- data.frame(y = y, x1 = c(4,-1,3), x2 = c(3,9,8), x3 = c(4,-4,-2))
mod <- lm(y ~ ., data = d)

Вы также можете сделать что-то подобное, чтобы использовать все переменные, кроме одной (в данном случае x3 исключается):

mod <- lm(y ~ . - x3, data = d)

Технически, . означает, что все переменные не уже упомянуты в формуле. Например,

lm(y ~ x1 * x2 + ., data = d)

где . будет ссылаться только на x3, поскольку x1 и x2 уже включены в формулу

Ответ 2

Несколько иной подход заключается в создании формулы из строки. На странице справки formula вы найдете следующий пример:

## Create a formula for a model with a large number of variables:
xnam <- paste("x", 1:25, sep="")
fmla <- as.formula(paste("y ~ ", paste(xnam, collapse= "+")))

Затем, если вы посмотрите на сгенерированную формулу, вы получите:

R> fmla
y ~ x1 + x2 + x3 + x4 + x5 + x6 + x7 + x8 + x9 + x10 + x11 + 
    x12 + x13 + x14 + x15 + x16 + x17 + x18 + x19 + x20 + x21 + 
    x22 + x23 + x24 + x25

Ответ 3

Да, конечно, просто добавьте ответ y в качестве первого столбца в dataframe и вызовите lm() на нем:

d2<-data.frame(y,d)
> d2
  y x1 x2 x3
1 1  4  3  4
2 4 -1  9 -4
3 6  3  8 -2
> lm(d2)

Call:
lm(formula = d2)

Coefficients:
(Intercept)           x1           x2           x3  
    -5.6316       0.7895       1.1579           NA

Кроме того, моя информация о R указывает, что назначение <- рекомендуется по =.

Ответ 4

Расширение метода juba заключается в использовании reformulate, функции, которая явно предназначена для такой задачи.

## Create a formula for a model with a large number of variables:
xnam <- paste("x", 1:25, sep="")

reformulate(xnam, "y")
y ~ x1 + x2 + x3 + x4 + x5 + x6 + x7 + x8 + x9 + x10 + x11 + 
    x12 + x13 + x14 + x15 + x16 + x17 + x18 + x19 + x20 + x21 + 
    x22 + x23 + x24 + x25

Для примера в OP наиболее простым решением было бы

# add y variable to data.frame d
d <- cbind(y, d)
reformulate(names(d)[-1], names(d[1]))
y ~ x1 + x2 + x3

или

mod <- lm(reformulate(names(d)[-1], names(d[1])), data=d)

Обратите внимание, что добавление зависимой переменной в data.frame в d <- cbind(y, d) предпочтительнее не только потому, что она допускает использование reformulate, но также потому, что она позволяет в будущем использовать объект lm в таких функциях, как predict.

Ответ 5

Я создаю это решение, reformulate не заботится, если имена переменных имеют пробелы.

add_backticks = function(x) {
    paste0("`", x, "`")
}

x_lm_formula = function(x) {
    paste(add_backticks(x), collapse = " + ")
}

build_lm_formula = function(x, y){
    if (length(y)>1){
        stop("y needs to be just one variable")
    }
    as.formula(        
        paste0("`",y,"`", " ~ ", x_lm_formula(x))
    )
}

# Example
df <- data.frame(
    y = c(1,4,6), 
    x1 = c(4,-1,3), 
    x2 = c(3,9,8), 
    x3 = c(4,-4,-2)
    )

# Model Specification
columns = colnames(df)
y_cols = columns[1]
x_cols = columns[2:length(columns)]
formula = build_lm_formula(x_cols, y_cols)
formula
# output
# "`y` ~ `x1` + `x2` + `x3`"

# Run Model
lm(formula = formula, data = df)
# output
Call:
    lm(formula = formula, data = df)

Coefficients:
    (Intercept)           x1           x2           x3  
        -5.6316       0.7895       1.1579           NA

`` `

Ответ 6

Вы можете проверить пакет leaps и, в частности, функцию regsubsets() функции для выбора модели. Как указано в документации:

Выбор модели путем исчерпывающего поиска, вперед или назад поэтапно или последовательной замены

Ответ 7

Я предлагаю:

fit = lm(y ~ ., data = d[,c(1,2,3)])

Где c (1,2,3) - вектор номеров столбцов, на которых вы хотите обучить модель. Не забудьте включить столбец переменной ответа.