假设我有一个响应变量和一组包含三个协变量的数据（作为玩具示例）：
y = c(1,4,6)
d = data.frame(x1 = c(4,-1,3), x2 = c(3,9,8), x3 = c(4,-4,-2))
我想对数据进行线性回归拟合：
fit = lm(y ~ d$x1 + d$x2 + d$y2)
有没有办法编写公式，而不必编写每个单独的协变量？例如，类似于以下内容：
fit = lm(y ~ d)
（我希望数据框中的每个变量都是一个协变量。）我之所以这样问，是因为我的数据框中实际上有50个变量，所以我想避免写出 x1 + x2 + x3 + 等等。
在公式中，有一个特殊的标识符可以用来表示所有变量，它就是 . 标识符。
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)
你也可以像这样做，使用除一个变量外的所有变量（在本例中，排除了x3）：
mod <- lm(y ~ . - x3, data = d)
从技术上讲， . 表示在公式中尚未提到的所有变量。例如
lm(y ~ x1 * x2 + ., data = d)
. 只会将 x3 作为参照，因为 x1 和 x2 已经在公式中了。
. 在技术上意味着 data 中的所有变量 不包括公式中已有的变量。 - Gavin Simpsondata是一个列表，公式中的变量从该列表中查找，那么是的。数据框，列表或环境都是data参数的可接受选项。如果这不是你的意思，你需要再详细解释一下。 - Gavin Simpsonlm(d[[1]] ~ d[[3]] + ., data = d)。 - theforestecologistnames（名称）; 假设你有ll <- list(y = rnorm(10), x = rnorm(10), z = rnorm(10), zz = runif(10))，那么以下代码可以运行：lm(y ~ x + ., data = ll)。因此，除非数据本来就是一个列表，否则没有太多理由将其组织成这种形式，但这样做也可以。公式中要求的元素具有相同的长度，这对列表中的内容施加了一些限制。更复杂的对象可能需要代码来提取所需的元素；如果d[[1]]是数据框/矩阵，则需要编写代码才能使其正常工作。 - Gavin Simpson?formula。 - undefined稍微有些不同的方法是从字符串创建公式。在 formula 帮助页面中，您会找到以下示例：
## 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= "+")))
然后，如果您查看生成的公式，您将得到：
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
当然可以，只需在数据框的第一列中添加响应y，并对其调用lm()函数：
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
另外，我了解到R语言中使用<-进行赋值比使用=更加推荐。
foo(bar <- 1:10) 这样的语句是可行的（并且 bar 被创建了），但 foo(bar = 1:10) 则会失败，因为 bar 不是 foo 的参数，也不会创建 bar。 - Gavin Simpsonx3 的系数是 NA？ - Ziyuanjuba方法的扩展是使用reformulate函数，该函数专门为此任务而设计。
## 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
对于原帖的示例，这里最简单的解决方案是
# add y variable to data.frame d
d <- cbind(y, d)
reformulate(names(d)[-1], names(d[1]))
y ~ x1 + x2 + x3
mod <- lm(reformulate(names(d)[-1], names(d[1])), data=d)
注意，在 d <- cbind(y, d) 中添加因变量到数据框中是首选的，不仅因为它允许使用 reformulate，还因为它允许在诸如 predict 的函数中将来使用 lm 对象。
我建立了这个解决方案，reformulate 不会处理变量名中的空格。
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
```
leaps，特别是函数regsubsets()来进行模型选择。正如文档中所述：
通过穷举搜索、向前或向后逐步搜索或顺序替换进行模型选择。