R：将解释变量的动态数拟合到多项式回归中答案

【问题标题】：R:fit dynamic number of explanatory variable into polynomial regressionR：将解释变量的动态数拟合到多项式回归中
【发布时间】：2018-11-19 00:12:39
【问题描述】：

假设我在运行时获得了一个数据框df，如何使用多项式回归拟合多项式模型，每个预测变量都是来自 df 的列，并且具有常数 k >= 2 的度数

困难在于，'df' 在运行时被读取，因此在编写脚本时其列的数量和名称是未知的。（但我知道响应变量是第一列）所以当我调用 lm我不知道怎么写formula。

如果k = 1，那么我可以简单地写一个通用的线性公式

names(df)[1] <- "y"
lm(y ~ ., data = df)

我可以为多项式公式做类似的事情吗？

【问题讨论】：

标签： r

【解决方案1】：

一种相当复杂的方法是通过将术语粘贴在一起来为lm 回归调用创建formula。

# some data
dat <- data.frame(replicate(10, rnorm(20)))

# Create formula - apply f function to all columns names excluding the first
form <- formula(paste(names(dat)[1], " ~ ",
                  paste0("poly(", names(dat)[-1], ", 2)", collapse="+")))
# run regression
lm(form , data=dat)

【讨论】：

谢谢，我不知道公式可以是字符。我以为它们只能是文字。
感谢公式提示。我使用了这个变体：form