迭代地将变量添加到 R 中的 lm() 函数？答案

【问题标题】：Iteratively adding variables to an lm() function in R?迭代地将变量添加到 R 中的 lm() 函数？
【发布时间】：2021-10-13 12:32:16
【问题描述】：

简单的问题，但我发现自己很困惑。

我正在寻找一个循环，它将不断地将变量添加到 lm() 函数的 IV。我会测试 LM 的结果，直到满足条件。我只是很难找到一种方法来动态地将变量添加到回归的 IV 部分，一次一个。

第一次迭代看起来像：

lm(Y ~ X, data = data)

第二次迭代如：

lm(Y ~ X + X2, data = data)

第三次迭代如：

lm(Y ~ X + X2 + X3, data = data)

等等……

如果有人能指出我正确的方向，我将不胜感激。

谢谢！

【问题讨论】：

如果你想为 LM 找到最好的变量子集，有专门的软件包。在这里查看示例rstudio-pubs-static.s3.amazonaws.com/…

标签： r tidyverse

【解决方案1】：

另一种方法是使用Y ~ . 作为公式并根据需要提供数据子集。在这里，. 表示“公式中没有的所有列”（请参阅?formula）。以mtcars为例：

Y <- 'mpg'
Xs <- names(mtcars)[-1]

fits <- lapply(seq_along(Xs), function(x){
    lm(paste(Y, '~ .'), data = mtcars[, c(Y, Xs[1:x])])
})

【讨论】：

【解决方案2】：

将自变量作为list传递后，我们可以使用reformulate创建公式

out <- lapply(list("X", c("X", "X2"), c("X", "X2", "X3")), 
      function(x) lm(reformulate(x, response = "Y"), data = data))

或者让它自动化

Xs <- setdiff(names(data), "Y")
ind <- sequence(seq_along(Xs))
lapply(split(Xs[ind], cumsum(ind == 1)), function(x) 
          lm(reformulate(x, response = "Y"), data = data))

【讨论】：