Wie schreibe ich kurz und bündig eine Formel mit vielen Variablen aus einem Datenrahmen?

Angenommen, ich habe eine Antwortvariable und Daten mit drei Kovariaten (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 aufschreiben muss? Zum Beispiel so etwas wie

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, also möchte ich das Ausschreiben vermeiden x1 + x2 + x3 + etc.

Es gibt einen speziellen Bezeichner, den man in einer Formel verwenden kann, um alle Variablen zu bezeichnen. Es 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 Folgendes tun, um alle Variablen außer einer zu verwenden (in diesem Fall ist x3 ausgeschlossen):

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

Technisch .bedeutet dies alle Variablen, die nicht bereits in der Formel erwähnt wurden . Beispielsweise

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

wo .würde nur x3als verweisen x1und x2sind bereits in der Formel.

Ein etwas anderer Ansatz besteht darin, Ihre Formel aus einer Zeichenfolge zu erstellen. In demformula Hilfeseite finden Sie folgendes 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 sich dann die generierte Formel ansehen, 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, fügen Sie einfach die Antwort yals erste Spalte im Datenrahmen hinzu und rufen Sie lm()sie 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  

Außerdem weisen meine Informationen zu R darauf hin, dass eine Zuordnung mit <-empfohlen wird =.

Eine Erweiterung der Methode von juba ist die Verwendung reformulateeiner Funktion, die explizit für eine solche Aufgabe ausgelegt ist.

## 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 hier die einfachste Lösung

# 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 bevorzugt wird, weil es die Verwendung von ermöglicht reformulate, sondern auch, weil es die zukünftige Verwendung des lmObjekts in Funktionen wie ermöglicht predict.

Ich baue diese Lösung, reformulatekümmere mich 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 leapsund insbesondere die regsubsets() Funktionsfunktionen für die Modellauswahl überprüfen . Wie in der Dokumentation angegeben:

Modellauswahl durch umfassende Suche, schrittweise vorwärts oder rückwärts oder sequentielles Ersetzen