在R中的lm模型中，“I”关键字的意义

Question

我正在为我的任务创建一个线性模型：

lm(revenue ~ (max_cpc - max_cpc.mean), data = traffic)  

但是它会抛出以下错误：

Error in model.frame.default(formula = revenue ~ (max_cpc - max_cpc.mean),  : 
   variable lengths differ (found for 'maxcpc.mean') 

然后，通过不断试错，我稍微修改了我的代码：

lm(revenue ~ I(max_cpc - max_cpc.mean), data = traffic)

并且！！！ Bingo！它完美地运作了。

但是我现在正在努力弄清楚“I”的意义以及它如何解决我的问题。有人能向我解释一下吗？

- heybhai

---

此问题似乎不属于讨论范围，因为它没有展示任何解决努力。 - Carl Witthoft

嗨@CarlWitthoft，请告诉我这个问题有什么问题需要被downvote /关闭，如果它似乎很容易解决，为什么你不先回答它而是在评论中发表意见。 - heybhai

@CarlWitthoft 请提供您所说的原始问题和我的重复问题的链接。谢谢。 - heybhai

请问在R中进行线性回归时，大写字母"I"有什么特殊含义吗？ - Carl Witthoft

Answer 1

I()防止公式接口解释参数，因此将其传递给表达式解析部分。

在公式界面中，-x表示“从预测变量中除去x”。所以我可以使用y〜.-x表示“针对除了x之外的所有内容拟合y”。

您不希望它这样做-实际上，您想要创建一个变量，该变量是两个变量之差并对其进行回归，因此您不希望公式界面解析该表达式。

I()为您实现了这一点。

具有平方项的项（x^2）也需要相同的处理。公式接口对幂有特殊处理，如果您真正想要平方变量，则必须使用I()。

I()在其他上下文中还有其他用途。请参见？I

- Glen_b

---

此外，当您将某些运算符应用于长度不同的两个向量时，较短的向量会被循环使用 - 其值会重复直到与较长的向量相同长度。 "变量长度不同"错误表示max_cpc.mean比max_cpc短，并将其包装在I()函数中会导致R在循环使用较短的向量时进行差异处理。 - neverKnowsBest

进一步讲解变量长度问题，它还建议至少一个变量不在“traffic”数据框中。您可能需要仔细检查这是否确实是您想要的。 - John

@John，假定max_cpc.mean是max_cpc的平均值，因此可能长度为1。 - Glen_b

@John max_cpc.mean 是 max_cpc 的平均值，这不是打字错误。 - heybhai

嘿兄弟，你应该为此提出一个新问题。 - John