通过R中线性模型中的数字索引设置因变量

Question

我正在尝试在 R 的线性模型中将列（或特定向量元素）的名称设置为我的因变量 (DV)。

当我通过键入“ITEM26”手动执行此操作时，没有错误。 DV (y) 是 ITEM26，预测变量是数据框中的所有其他变量。

> lm(ITEM26 ~ ., data = M.compsexitems)

我现在想使用 colnames 函数和数字索引在线性模型中设置 DV，当我引用第一个元素时，它会提供“ITEM26”的输出。 （我的最终目标是设置一个for循环，以便我可以快速将所有列名设置为单独线性模型的DV。）

> colnames(M.compsexitems)[1]
[1] "ITEM26"

但是，当我尝试使用 colnames 函数和数字索引来设置线性模型时，出现错误。

> lm(colnames(M.compsexitems)[1] ~ ., data = M.compsexitems)
Error in model.frame.default(formula = colnames(M.compsexitems)[1] ~ ., : 
  variable lengths differ (found for 'ITEM26')

如果我手动创建一个包含项目名称（sexitems）的向量，并通过索引引用向量中的特定元素，我会得到同样的错误。

> sexitems
 [1] "ITEM26" "ITEM27" 

> summary(lm(sexitems[1] ~ ., data = M.compsexitems))$r.squared 
Error in model.frame.default(formula = sexitems[1] ~ ., data = M.compsexitems,  : 
  variable lengths differ (found for 'ITEM26')

有谁知道为什么会出现这个错误，或者如何克服这个错误？我感觉 lm 函数没有将索引向量元素视为与数据框中的变量相同，但我不知道为什么。

上述问题成立的虚拟数据帧示例：

> M.compsexitems
  ITEM26         ITEM27
1          2          4
2          3          5

提前感谢您的帮助。

Answer 1

运行lm，使用第一列作为因变量，所有其他列作为自变量，可以这样完成：

fm <- lm(M.compsexitems)

给予：

> fm
Call:
lm(formula = M.compsexitems)

Coefficients:
(Intercept)       ITEM27  
         -2            1 

如果需要明确获取公式：

fo <- formula(fm)

给予：

> fo
ITEM26 ~ ITEM27
<environment: 0x000000000e2f2b50>

如果您希望上述公式明确出现在lm 的输出中，则：

do.call("lm", list(fo, quote(M.compsexitems)))

给予：

Call:
lm(formula = ITEM26 ~ ITEM27, data = M.compsexitems)

Coefficients:
(Intercept)       ITEM27  
         -2            1  

如果这是一个巨大的回归，并且您不想运行两次大型计算，那么第一次使用 head(M.compsexitems) 运行它，或者从字符串中构建公式：

fo <- formula(paste(names(M.compsexitems)[1], "~."))
do.call("lm", list(fo, quote(M.compsexitems)))

给予：

Call:
lm(formula = ITEM26 ~ ., data = M.compsexitems)

Coefficients:
(Intercept)       ITEM27  
         -2            1  

注意

使用可重现形式的输入 M.compsexitems 是：

Lines <- "
  ITEM26         ITEM27
1          2          4
2          3          5"
M.compsexitems <- read.table(text = Lines)