使用 glm 在 R 中指定公式而不显式声明每个协变量答案

【问题标题】：Specifying formula in R with glm without explicit declaration of each covariate使用 glm 在 R 中指定公式而不显式声明每个协变量
【发布时间】：2011-04-05 01:48:29
【问题描述】：

我想在不完全指定每个变量的情况下强制将特定变量纳入 glm 回归。我的真实数据集有大约 200 个变量。到目前为止，我无法在我的在线搜索中找到这方面的样本。

例如（只有 3 个变量）：

n=200
set.seed(39) 
samp = data.frame(W1 = runif(n, min = 0, max = 1), W2=runif(n, min = 0, max = 5)) 
samp = transform(samp, # add A
A = rbinom(n, 1, 1/(1+exp(-(W1^2-4*W1+1))))) 
samp = transform(samp, # add Y
Y = rbinom(n, 1,1/(1+exp(-(A-sin(W1^2)+sin(W2^2)*A+10*log(W1)*A+15*log(W2)-1+rnorm(1,mean=0,sd=.25))))))

如果我想包含所有主要术语，这有一个简单的捷径：

glm(Y~., family=binomial, data=samp)

但假设我想包括所有主要术语（W1、W2 和 A）加上 W2^2：

glm(Y~A+W1+W2+I(W2^2), family=binomial, data=samp)

这有捷径吗？

[在发布前编辑自己：]这行得通！ glm(formula = Y ~ . + I(W2^2), family = binomial, data = samp)

好的，那这个呢！

我想省略一个主要术语变量，只包括两个主要术语（A，W2）和 W2^2 和 W2^2:A：

glm(Y~A+W2+A*I(W2^2), family=binomial, data=samp)

显然，只有几个变量不需要捷径，但我使用的是高维数据。当前数据集“仅”有 200 个变量，但其他一些数据集有数千个。

【问题讨论】：

哦哇哦，很抱歉，我的第二个问题我也刚想通！ glm(Y~.-W1+A*I(W2^2), family=binomial, data=samp) 希望这对其他人有帮助，所以在这里也不错。

标签： r main regression glm

【解决方案1】：

您创造性地使用. 来构建包含所有或几乎所有变量的公式是一种很好且干净的方法。有时有用的另一个选项是以编程方式将公式构建为字符串，然后使用 as.formula 将其转换为公式：

vars <- paste("Var",1:10,sep="")
fla <- paste("y ~", paste(vars, collapse="+"))
as.formula(fla)

当然，您可以让fla 对象的方式更复杂。

【讨论】：

【解决方案2】：

Aniko 回答了你的问题。稍微扩展一下：

您还可以使用 - 排除变量：

glm(Y~.-W1+A*I(W2^2), family=binomial, data=samp)

对于大量的变量，我经常为变量分组制作一个框架，这样您就可以执行以下操作：

vars <- data.frame(
    names = names(samp),
    main = c(T,F,T,F),
    quadratic =c(F,T,T,F),
    main2=c(T,T,F,F),
    stringsAsFactors=F
)


regform <- paste(
    "Y ~",
    paste(
      paste(vars[vars$main,1],collapse="+"),
      paste(vars[1,1],paste("*I(",vars[vars$quadratic,1],"^2)"),collapse="+"),
      sep="+"
    )
)
> regform
[1] "Y ~ W1+A+W1 *I( W2 ^2)+W1 *I( A ^2)"

> glm(as.formula(regform),data=samp,family=binomial)

使用各种条件（名称、结构等）填充数据框，使我能够快速选择大型数据集中的变量组。

【讨论】：