Bagaimana cara singkat menulis rumus dengan banyak variabel dari bingkai data?

Misalkan saya memiliki variabel respons dan data yang berisi tiga kovariat (sebagai contoh mainan):

y = c(1,4,6)
d = data.frame(x1 = c(4,-1,3), x2 = c(3,9,8), x3 = c(4,-4,-2))

Saya ingin menyesuaikan regresi linier dengan data:

fit = lm(y ~ d$x1 + d$x2 + d$y2)

Adakah cara untuk menuliskan rumusnya, sehingga saya tidak perlu menuliskan setiap kovariat? Misalnya, seperti

fit = lm(y ~ d)

(Saya ingin setiap variabel dalam bingkai data menjadi kovariat.) Saya bertanya karena saya sebenarnya memiliki 50 variabel dalam bingkai data saya, jadi saya ingin menghindari penulisan x1 + x2 + x3 + etc.

Ada pengenal khusus yang dapat digunakan seseorang dalam rumus yang berarti semua variabel, itu adalah .pengenal.

y <- c(1,4,6)
d <- data.frame(y = y, x1 = c(4,-1,3), x2 = c(3,9,8), x3 = c(4,-4,-2))
mod <- lm(y ~ ., data = d)

Anda juga dapat melakukan hal-hal seperti ini, untuk menggunakan semua variabel kecuali satu (dalam hal ini x3 dikecualikan):

mod <- lm(y ~ . - x3, data = d)

Secara teknis, .berarti semua variabel belum disebutkan dalam rumus . Sebagai contoh

lm(y ~ x1 * x2 + ., data = d)

di mana .hanya akan mereferensikan x3sebagai x1dan x2sudah ada dalam rumus.

Pendekatan yang sedikit berbeda adalah membuat rumus Anda dari string. Di formulahalaman bantuan Anda akan menemukan contoh berikut:

## Create a formula for a model with a large number of variables:
xnam <- paste("x", 1:25, sep="")
fmla <- as.formula(paste("y ~ ", paste(xnam, collapse= "+")))

Kemudian jika Anda melihat rumus yang dihasilkan, Anda akan mendapatkan:

R> fmla
y ~ x1 + x2 + x3 + x4 + x5 + x6 + x7 + x8 + x9 + x10 + x11 + 
    x12 + x13 + x14 + x15 + x16 + x17 + x18 + x19 + x20 + x21 + 
    x22 + x23 + x24 + x25

Ya tentu saja, cukup tambahkan respons ysebagai kolom pertama di dataframe dan panggil lm():

d2<-data.frame(y,d)
> d2
  y x1 x2 x3
1 1  4  3  4
2 4 -1  9 -4
3 6  3  8 -2
> lm(d2)

Call:
lm(formula = d2)

Coefficients:
(Intercept)           x1           x2           x3  
    -5.6316       0.7895       1.1579           NA  

Juga, informasi saya tentang R menunjukkan bahwa penugasan dengan <-direkomendasikan =.

Perpanjangan metode juba adalah menggunakan reformulate, fungsi yang secara eksplisit dirancang untuk tugas semacam itu.

## Create a formula for a model with a large number of variables:
xnam <- paste("x", 1:25, sep="")

reformulate(xnam, "y")
y ~ x1 + x2 + x3 + x4 + x5 + x6 + x7 + x8 + x9 + x10 + x11 + 
    x12 + x13 + x14 + x15 + x16 + x17 + x18 + x19 + x20 + x21 + 
    x22 + x23 + x24 + x25

Untuk contoh di OP, solusi termudah di sini adalah

# add y variable to data.frame d
d <- cbind(y, d)
reformulate(names(d)[-1], names(d[1]))
y ~ x1 + x2 + x3

atau

mod <- lm(reformulate(names(d)[-1], names(d[1])), data=d)

Perhatikan bahwa menambahkan variabel dependen ke data.frame di d <- cbind(y, d)lebih disukai tidak hanya karena memungkinkan untuk digunakan reformulate, tetapi juga karena memungkinkan penggunaan lmobjek di masa mendatang dalam fungsi seperti predict.

Saya membangun solusi ini, reformulatetidak peduli jika nama variabel memiliki spasi kosong.

add_backticks = function(x) {
    paste0("`", x, "`")
}

x_lm_formula = function(x) {
    paste(add_backticks(x), collapse = " + ")
}

build_lm_formula = function(x, y){
    if (length(y)>1){
        stop("y needs to be just one variable")
    }
    as.formula(        
        paste0("`",y,"`", " ~ ", x_lm_formula(x))
    )
}

# Example
df <- data.frame(
    y = c(1,4,6), 
    x1 = c(4,-1,3), 
    x2 = c(3,9,8), 
    x3 = c(4,-4,-2)
    )

# Model Specification
columns = colnames(df)
y_cols = columns[1]
x_cols = columns[2:length(columns)]
formula = build_lm_formula(x_cols, y_cols)
formula
# output
# "`y` ~ `x1` + `x2` + `x3`"

# Run Model
lm(formula = formula, data = df)
# output
Call:
    lm(formula = formula, data = df)

Coefficients:
    (Intercept)           x1           x2           x3  
        -5.6316       0.7895       1.1579           NA  

``

Anda dapat memeriksa paket leapsdan khususnya fungsi regsubsets() fungsi untuk pemilihan model. Seperti yang tertera dalam dokumentasi:

Pemilihan model dengan pencarian lengkap, maju atau mundur bertahap, atau penggantian berurutan