我想创建一个自动生成单变量和多变量回归分析的函数，但我无法弄清楚如何在向量中指定**变量...**这看起来很简单，但是略读到目前为止我还没有弄清楚的文档......
简单示例
a<-rnorm(100)
b<-rnorm(100)
k<-c("a","b")
d<-c(a,b)
summary(k[1])
但是 k[1]="a" and 是一个字符向量...d 只是 b 附加到 a，而不是变量名。实际上，我希望 k[1] 代表向量 a。
感谢任何答案...
//M
【问题讨论】：
您可以使用“get”函数根据对象名称的字符串获取对象，但从长远来看，最好将变量存储在列表中并以这种方式访问它们，事情变得更加简单，您可以获取子集，可以使用 lapply 或 sapply 在每个元素上运行相同的代码。保存或删除时，您可以只处理整个列表，而不是尝试记住每个元素。例如：
mylist <- list(a=rnorm(100), b=rnorm(100) )
names(mylist)
summary(mylist[[1]])
# or
summary(mylist[['a']])
# or
summary(mylist$a)
# or
d <- 'a'
summary(mylist[[d]])
# or
lapply( mylist, summary )
如果您使用 lm（或其他建模函数）以编程方式创建用于分析的模型，那么一种方法是仅对数据进行子集化并使用“.”，例如：
yvar <- 'Sepal.Width'
xvars <- c('Petal.Width','Sepal.Length')
fit <- lm( Sepal.Width ~ ., data=iris[, c(yvar,xvars)] )
或者您可以使用“paste”或“sprintf”构建公式，然后使用“as.formula”将其转换为公式，例如：
yvar <- 'Sepal.Width'
xvars <- c('Petal.Width','Sepal.Length')
my.formula <- paste( yvar, '~', paste( xvars, collapse=' + ' ) )
my.formula <- as.formula(my.formula)
fit <- lm( my.formula, data=iris )
如果您正在查看自动拟合的许多不同模型，还要注意多重比较的问题。
【讨论】：
您可以使用列表k=list(a,b)。这将创建一个包含组件 a 和 b 的列表，但不是变量名称列表。
【讨论】：
get() 就是你要找的东西：
summary(get(k[1]))
编辑： get() 不是你要找的，它是 list()。不过 get() 也可能有用。
如果您正在寻找回归分析的自动生成，您实际上可能会从使用 eval() 中受益，尽管每个 R 程序员都会警告您不要使用 eval()，除非您非常了解自己在做什么。使用前请仔细阅读有关 eval() 和 parse() 的帮助文件。
一个例子：
d <- data.frame(
var1 = rnorm(1000),
var2 = rpois(1000,4),
var3 = sample(letters[1:3],1000,replace=T)
)
vars <- names(d)
auto.lm <- function(d,dep,indep){
expr <- paste(
"out <- lm(",
dep,
"~",
paste(indep,collapse="*"),
",data=d)"
)
eval(parse(text=expr))
return(out)
}
auto.lm(d,vars[1],vars[2:3])
【讨论】：