Angenommen, ich habe eine Antwortvariable und Daten, die drei Kovariaten enthalten (als Spielzeugbeispiel):
y = c(1,4,6)
d = data.frame(x1 = c(4,-1,3), x2 = c(3,9,8), x3 = c(4,-4,-2))
Ich möchte eine lineare Regression an die Daten anpassen:
fit = lm(y ~ d$x1 + d$x2 + d$y2)
Gibt es eine Möglichkeit, die Formel zu schreiben, damit ich nicht jede einzelne Kovariate ausschreiben muss? Zum Beispiel so etwas
fit = lm(y ~ d)
(Ich möchte, dass jede Variable im Datenrahmen eine Kovariate ist.) Ich frage, weil ich tatsächlich 50 Variablen in meinem Datenrahmen habe, und ich möchte vermeiden, dass x1 + x2 + x3 + etc
geschrieben wird.
Es gibt einen speziellen Bezeichner, den man in einer Formel verwenden kann, um alle Variablen zu bezeichnen. Dies ist der Bezeichner .
.
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)
Sie können auch die folgenden Aktionen ausführen, um alle Variablenleiste eins zu verwenden:
mod <- lm(y ~ . - x3, data = d)
Technisch bedeutet .
alle Variablen nicht , die bereits in der Formel erwähnt wurden. Zum Beispiel
lm(y ~ x1 * x2 + ., data = d)
dabei würde .
nur auf x3
verweisen, da x1
und x2
bereits in der Formel enthalten sind.
Ein etwas anderer Ansatz besteht darin, Ihre Formel aus einer Zeichenfolge zu erstellen. In der formula
-Hilfeseite finden Sie das folgende Beispiel:
## 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= "+")))
Wenn Sie dann die generierte Formel betrachten, erhalten Sie:
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
Ja, natürlich fügen Sie einfach die Antwort y
als erste Spalte im Datenrahmen hinzu und rufen Sie lm()
auf:
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
Meine Informationen über R weisen auch darauf hin, dass die Zuweisung mit <-
über =
empfohlen wird.
Eine Erweiterung der Methode von juba besteht darin, reformulate
zu verwenden, eine Funktion, die explizit für eine solche Aufgabe entwickelt wurde.
## 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
Für das Beispiel im OP wäre die einfachste Lösung hier
# add y variable to data.frame d
d <- cbind(y, d)
reformulate(names(d)[-1], names(d[1]))
y ~ x1 + x2 + x3
oder
mod <- lm(reformulate(names(d)[-1], names(d[1])), data=d)
Beachten Sie, dass das Hinzufügen der abhängigen Variablen zum data.frame in d <- cbind(y, d)
nicht nur deshalb bevorzugt wird, weil reformulate
verwendet werden kann, sondern auch, weil das lm
-Objekt in Funktionen wie predict
zukünftig verwendet werden kann.
Ich baue diese Lösung, reformulate
kümmert sich nicht darum, ob Variablennamen Leerzeichen haben.
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
`` `
Sie können das Paket leaps
und insbesondere die Funktionen regsubsets()
Zur Modellauswahl überprüfen. Wie in der Dokumentation angegeben:
Modellauswahl durch erschöpfende Suche, schrittweises Vorwärts- oder Rückwärtsfahren oder sequentielles Ersetzen