在 R 的 lm() 中键入多个解释变量是否有捷径？答案

【问题标题】：Is there a short cut to typing multiple explanatory variables in lm() in R?在 R 的 lm() 中键入多个解释变量是否有捷径？
【发布时间】：2018-04-19 22:17:29
【问题描述】：

我对 R 中的 lm() 函数有疑问。我知道lm() 用于回归建模，我知道可以这样做：

lm(response ~ explanatory1 + explanatory2 + ... + explanatoryN, data = dataset)

现在我的问题是：“假设N 很大，是否有一个我可以使用的捷径，而我不必编写所有N 变量名？”

提前致谢！

编辑：我遗漏了我真正需要答案的大部分问题。假设我想删除 1 到 k 的解释变量，并且只包含这些变量中的 n-k。

【问题讨论】：

是的：stackoverflow.com/questions/5251507/…
数据集中是否存在不需要的解释变量？
如果您有大量变量，其中包含许多变量，排除了许多变量，您可以尝试利用列名中的规律性。例如，lm(reformulate(paste0("explanatory", 1:5), "response"), data=dataset)。
@Onyambu 我很抱歉。是的！我编辑了我的问题！

标签： r regression linear-regression shortcut lm

【解决方案1】：

您可以使用点号选择所有变量，只需使用减号选择不应该用作预测变量的变量。

lm(Sepal.Length ~ .-Species -Petal.Length, iris)

Call:
lm(formula = Sepal.Length ~ . - Species - Petal.Length, data = iris)

Coefficients:
(Intercept)  Sepal.Width  Petal.Width  
 3.4573       0.3991       0.9721

【讨论】：

就是这样！非常感谢！

【解决方案2】：

以mtcars为例：

我会捕获预测变量。我坚持一个基本示例，但可以将正则表达式与grep 一起使用并保持相同的逻辑（见下文）。我正在使用除第一列（“mpg”）之外的所有列。

predictors <- names(mtcars)[-1] 
# [1] "cyl"  "disp" "hp"   "drat" "wt"   "qsec" "vs"   "am"   "gear" "carb"

myFormula <- paste("mpg ~ ", paste0(predictors, collapse = " + "))
# [1] "mpg ~  cyl + disp + hp + drat + wt + qsec + vs + am + gear + carb"

lm(data = mtcars, formula = myFormula)

正则表达式示例

以iris 为例。我想匹配所有包含“花瓣”的列名。

predictors <- grep(x = names(iris), pattern = "Petal", value = TRUE)
#[1] "Petal.Length" "Petal.Width" 

myFormula <- paste("Sepal.Width ~ ", paste0(predictors, collapse = " + "))
# [1] "Sepal.Width ~  Petal.Length + Petal.Width"

lm(data = iris, formula = myFormula)

【讨论】：

【解决方案3】：

您可以使用.

lm(response~., data = data)

【讨论】：

【解决方案4】：

你可以只用一个点lm(response ~ ., data= dataset)

使用 mtcars 数据集的示例（已经在 R 中）

ex = lm(mpg~., data = mtcars)
summary (ex)

【讨论】：