如何从响应变量的特征向量生成样条基？答案

【问题标题】：How do I generate spline bases from a character vector of response variables?如何从响应变量的特征向量生成样条基？
【发布时间】：2019-01-22 10:15:40
【问题描述】：

我正在解决一个问题，我需要拟合许多 y ~ s(x) 形式的加法模型，其中响应 y 是恒定的，而预测变量 x 在每个模型之间变化。我正在使用mgcv::smoothCon() 来设置基础，并使用lm() 来适应模型。我之所以这样做，而不是直接调用gam()，是因为我需要不受惩罚的配合。我的问题是 smoothCon() 要求 object 参数不被引用，例如 s(x)，我想知道如何从变量名的字符向量生成这样的不带引号的参数。

可以使用mtcars 数据集来说明一个最小示例。以下 sn-p 显示了我目前能够做的事情：

library(mgcv)
# Variables for which I want to create a smooth term s(x)
responses <- c("mpg", "disp")
# At the moment, this is the only solution which I am able to make work
bs <- list(
  smoothCon(s(mpg), data = mtcars),
  smoothCon(s(disp), data = mtcars)
)

如果能够使用一些函数式编程方法生成bs 会更好。我想像这样，foo() 是我缺失的链接：

lapply(paste0("s(", responses, ")"), function(x) smoothCon(foo(x), 
data = mtcars))

我尝试过noquote() 和as.symbol()，但都失败了。

responses <- c("mpg", "disp")
lapply(paste0("s(", responses, ")"), 
              function(x) smoothCon(noquote(x), data = mtcars))
#> Error: $ operator is invalid for atomic vectors

lapply(paste0("s(", responses, ")"), 
              function(x) smoothCon(as.symbol(x), data = mtcars))
#> Error: object of type 'symbol' is not subsettable

【问题讨论】：

标签： r mgcv

【解决方案1】：

我们可以通过转换为语言class、evaluate 然后应用smoothCon 来做到这一点

library(tidyverse)
out <- paste0("s(", responses, ")") %>%
          map(~ rlang::parse_expr(.x) %>% 
                   eval %>%
                  smoothCon(., data = mtcars))
identical(out, bs)
#[1] TRUE

【讨论】：

【解决方案2】：

你为什么不这样尝试？

smoothCon(s(get("disp")), data = mtcars)

并且，而不是disp，您可以给出您喜欢的变量的名称。你甚至可以把它放在一个循环或你喜欢的任何其他结构中

【讨论】：

谢谢，但很遗憾，它不起作用。我试过了：for(r in responses){ smoothCon(s(get(r)), data = mtcars)}