Question

创建调用lm()函数的函数时遇到问题：

regresionLineal <- function (vardep, varindep1, varindep2, DATA) {
  lm(vardep ~ varindep1 + varindep2, data = DATA)
  }

然后我使用我之前创建的数据框（DATOS）...

中的数据来调用它

regresionLineal(Estatura, Largo, Ancho, DATOS)

eval（expr，envir，enclos）中的错误：object＆＃39; Estatura＆＃39;未找到来自：eval（expr，envir，enclos）

欢迎任何帮助......

Answer 1

你应该这样做：

regresionLineal <- function (vardep, varindep1, varindep2, DATA) {
  lm(paste(vardep, "~", varindep1, "+", varindep2), data = DATA)
  }

您将vardep，varindep1，varindep2作为字符串传入。例如，我使用R的内置trees数据集：

regresionLineal("Height", "Girth", "Volumn", trees)
# Call:
# lm(formula = paste(vardep, "~", varindep1, "+", varindep2), data = DATA)

# Coefficients:
# (Intercept)        Girth       Volume  
#     83.2958      -1.8615       0.5756

然而，我不明白为什么我们打扰这样做。如果我们必须在公式中指定每个变量，为什么不简单地传递一个完整的公式呢？在这种情况下，您可以直接使用lm()而无需定义自己的功能。

Answer 2

此外，您可能已经知道这一点，但请记住，此处创建的回归对象不会存在于函数外部，除非分配给全局环境或您所处的任何环境，这可能会有所帮助。工作。如果你需要打电话给reg。此函数之外的对象稍后由于某种原因您应该将其指定为：model1 <<- lm(paste(vardep, "~", varindep1, "+", varindep2), data = DATA)以便能够从全局环境调用。

Answer 3

如果要创建具有任意数量的自变量的模型，则可以使用以下代码：

create_lm <- function(data, dep, covs) {
# Create the first part of the formula with the dependent variable
  form_base <- paste(dep, "~")
# Create a string that concatenates your covs vector with a "+" between each variable
  form_vars <- paste(covs, collapse = " + ")
# Paste the two parts together
  formula <- paste(form_base, form_vars)
# Call the lm function on your formula
  lm(formula, data = data)
}

例如，使用内置的mtcars数据集：

create_lm(mtcars, "mpg", c("wt", "cyl"))

Call:
lm(formula = formula, data = data)

Coefficients:
(Intercept)           wt          cyl  
     39.686       -3.191       -1.508

缺点是模型的打印输出无法反映您对lm的特定调用，不确定是否可以解决此问题。

Answer 4

只是想我会为任何未来的读者添加此内容。

我想出的解决方案（并不完美）是以下函数：

f <- function(y, x1, x2, df) {
  cmd = paste0("lm(", y, " ~ ", x1, " + ", x2, ", data = ",  deparse1(substitute(df)), ")")
  eval(parse(text = cmd))
}

通过这样做，您可以调用，例如，

R> f("mpg", "hp", "wt", mtcars)
Call:
lm(formula = mpg ~ hp + wt, data = mtcars)
Coefficients:
(Intercept)           hp           wt  
    37.2273      -0.0318      -3.8778

与其他方法相比的主要优点是 lm 的输出不会混淆变量或数据帧的名称。

也许未来的读者会意识到运行此命令需要 R 基本函数的知识：parse、deparse1、substitute 和 eval

谢谢！

在R中使用线性回归创建新函数：

4 个答案: