Question

我想创建一个自动生成单变量和多变量回归分析的函数，但我无法弄清楚如何在向量中指定**变量... **这看起来非常简单，但是略读到目前为止我还没弄明白的文件......

简单的例子

a<-rnorm(100)
b<-rnorm(100)
k<-c("a","b")
d<-c(a,b)
summary(k[1])

但是k [1] =“a”并且是一个字符向量... d只是附加到a，而不是变量名。实际上，我希望k [1]代表向量a。

感谢任何答案......

//中号

Answer 1

您可以使用“get”函数根据其名称的字符串获取对象，但从长远来看，最好将变量存储在列表中并以这种方式访问它们，事情变得更加简单，你可以抓取子集，你可以使用lapply或sapply在每个元素上运行相同的代码。保存或删除时，您可以只处理整个列表，而不是尝试记住每个元素。 e.g：

mylist <- list(a=rnorm(100), b=rnorm(100) )
names(mylist)
summary(mylist[[1]])
# or
summary(mylist[['a']])
# or
summary(mylist$a)
# or 
d <- 'a'
summary(mylist[[d]])

# or
lapply( mylist, summary )

如果您以编程方式创建用于使用lm（或其他建模函数）进行分析的模型，那么一种方法是仅对您的数据进行子集化并使用“。”，例如：

yvar <- 'Sepal.Width'
xvars <- c('Petal.Width','Sepal.Length')
fit <- lm( Sepal.Width ~ ., data=iris[, c(yvar,xvars)] )

或者您可以使用“paste”或“sprintf”构建公式，然后使用“as.formula”将其转换为公式，例如：

yvar <- 'Sepal.Width'
xvars <- c('Petal.Width','Sepal.Length')
my.formula <- paste( yvar, '~', paste( xvars, collapse=' + ' ) )
my.formula <- as.formula(my.formula)
fit <- lm( my.formula, data=iris )

如果您正在查看许多不同的模型，请注意多重比较的问题。

Answer 2

您可以使用列表k=list(a,b)。这将创建一个包含组件a和b的列表，但不是变量名列表。

Answer 3

get（）就是你要找的东西：

summary(get(k[1]))

编辑： get（）不是你要找的，它是list（）。 get（）也可能有用。

如果您正在寻找自动生成回归分析，您实际上可能会从使用eval（）中受益，尽管每个R程序员都会警告您使用eval（），除非您非常清楚自己在做什么。在使用之前，请仔细阅读有关eval（）和parse（）的帮助文件。

一个例子：

d <- data.frame(
  var1 = rnorm(1000),
  var2 = rpois(1000,4),
  var3 = sample(letters[1:3],1000,replace=T)
)

vars <- names(d)

auto.lm <- function(d,dep,indep){
      expr <- paste(
          "out <- lm(",
          dep,
          "~",
          paste(indep,collapse="*"),
          ",data=d)"
      )
      eval(parse(text=expr))
      return(out)
}

auto.lm(d,vars[1],vars[2:3])

R中的变量名称向量

3 个答案: