Question

让我直接深入了解一个示例来说明我的问题：

 rm(list=ls())
 n <- 100
 df <- data.frame(y=rnorm(n), x1=rnorm(n), x2=rnorm(n) )
 fm <- lm(y ~ x1 + poly(x2, 2), data=df)

现在，我想看看以前使用过的数据。这几乎可以通过

使用

 temp.data <- fm$model

但是，x2会被分割为poly(x2,2)，它本身就是一个数据框，因为它包含x2和x2^2的值。请注意，此处似乎包含x2，但由于polynomal使用正交分量，temp.data$x2与df$x2不同。如果您在以下之后直观地比较变量，也可以看到这一点：new.dat <- cbind(df, fm$model)。

现在，提出一些问题：

首先，最重要的是，有一种方法可以从原始形式的lm对象中检索x2。或者更一般地说，如果某个函数f已应用于lm-formula中的某个变量，是否可以从lm-object中提取基础变量（不进行特定于案例的数学运算）？请注意，我知道我可以通过其他方式检索数据，但我想知道我是否可以从lm-object本身提取它。

其次，更一般地说，由于我明确没有要求model.matrix(fm)，为什么我会获得被操纵的数据？这背后的基本理念是什么？有人知道吗？

第三，命令head(new.dat)向我显示x2已分为两部分。但是，当我键入View(new.dat)时，我看到的只有一列。这让我感到困惑和令人难以置信。如何将两个列表示为一个，为什么head和View之间存在差异？如果有人能解释，我会感激不尽！

如果这些问题太基础，请道歉。在这种情况下，我将非常感谢任何指向相关手册的指示。

提前致谢！

Answer 1

好问题，但这很难。 fm$model是一个奇怪的数据框架，其类型对于用户来说很难构造，但是R有时会在内部生成。查看str(fm$model)的前几行，它们显示它是一个数据框，其第三个组件是具有维度（100,2）的类poly的对象 - 即类似矩阵：

## 'data.frame':    100 obs. of  3 variables:
##  $ y          : num  -0.5952 -1.9561 1.8467 -0.2782 -0.0278 ...
##  $ x1         : num  0.423 -1.539 -0.694 0.254 -0.13 ...
##  $ poly(x2, 2): poly [1:100, 1:2] 0.0606 -0.0872 0.0799 -0.1068 -0.0395 ...

如果您仍然在首先调用lm的环境中工作，而 if lm则使用data参数，您可以使用eval(getCall(fm)$data)来获取原始数据。如果事物被传入和传出函数，或者有人在环境中的独立对象上使用lm，那么你可能会运气不好。如果遇到麻烦，可以尝试

eval(getCall(fm)$data,environment(formula(fm))

但事情开始变得越来越难。

我不完全理解存储已处理模型框架而不是原始数据的逻辑，但我认为它与线性模型的terms对象的构造有关 - 每个元素都在存储的模型框架对应于terms对象的元素。我真的不明白因素之间的区别 - 由model.matrix后处理成虚拟变量的列 - 和转换的数据（例如log(x)）或特殊对象，如多项式或样条基地......

Answer 2

问题是，你需要它多么糟糕。如果你看一下fm$model$poly的结构，那么最后你会看到类似的东西：

attr(,"coefs")
attr(,"coefs")$alpha
[1] 0.06738858 0.10887048

attr(,"coefs")$norm2
[1]   1.00000 100.00000  93.96666 155.01387

我认为这些系数可用于从poly恢复原始数据。请参阅poly函数的源代码（page(poly)或仅在控制台中键入poly）...看起来计算多项式可能是可逆的。但为什么还要这么做呢？我可以想到两个原因：（1）你丢失了原始数据和唯一的方法恢复它是这样的; （2）你想了解R如何计算正交多项式。

其次，更一般地说，因为我明确没有要求 model.matrix（fm），为什么我得到被操纵的数据？什么是那背后的基本理念是什么？有谁知道吗？

您的意思是，为什么数据会保存在lm对象中？以防万一，我想。您可以轻松将其关闭：

fm <- lm(y ~ x1 + poly(x2, 2), data=df, model=FALSE)

为什么数据“被操纵”？即，为什么poly(x2,2)与数据而不是原始x2一起保存。我的理解是你自己要求了。首先评估poly(x2,x)部分，然后将其传递给lm，以便lm甚至没有原始x2。

编辑 - 以更方便的方式回答以下评论

例如，使用因子（f）作为一些额外的因子变量没有被翻译成存储在fm $模型中的数据框。只要实际变量f存储在fm $模型中，而在此使用poly的情况下，存储了一些转换。这让我很困惑。

我认为你在这里遗漏了一些东西，而且聚合物和模型的行为都是一样的。

> df <- data.frame(a=1:5, b=2:6, c=rnorm(5))
> fm <- lm(c~ a + factor(b), df)
> fm$model
           c a factor(b)
1  0.5397541 1         2
2  0.9108087 2         3
3  0.1819442 3         4
4 -0.9293893 4         5
5  0.1404305 5         6
> fm$model$factor
[1] 2 3 4 5 6
Levels: 2 3 4 5 6
Warning message:
In `$.data.frame`(fm$model, factor) : Name partially matched in data frame

你可以看到fm $模型有因子（b）而不是b，而fm $ model $ factor确实是一个因子，而不是原始的整数变量。（警告是因为名称实际上是factor(b)而我使用factor来避免输入像fm $ model $'factor（b）'那样难看的东西（用反引号替换单引号）。

在应用函数之前从lm-object提取数据的方法？

2 个答案:

编辑 - 以更方便的方式回答以下评论