让我说我有一个公式（例如myformula <- y ~ x1 + x2）和一个数据集d。出于诊断目的，我想看看最终在线性回归中使用的观察结果（r <- lm(myformula, data=d)）。这基本上需要根据d构建一个带有y，x1和x2的数据帧，并删除所有缺少数据的观察结果（complete.obs）。或者，或许，操纵r对象的内容？
建议表示赞赏。
/ IAW
答案 0 :(得分：2)
在尝试自己动手之前，先看一下模型对象（使用str(r)在那里找到一个高峰）或者在文档中查找相关位。来自?lm：
model, x, y, qr逻辑值。如果TRUE返回拟合的相应组成部分（模型框架，模型矩阵，响应，QR分解）。
由于默认情况下model为真，我们所要做的就是在结果中查找它。文档的值部分描述了返回的对象：
y如果请求，则使用响应。
x如果需要，使用模型矩阵。
model如果请求（默认值），则使用模型框架。
现在举个例子：
> mod = lm(mpg ~ disp + I(disp^2), data = mtcars)
> head(mod$model)
mpg disp I(disp^2)
Mazda RX4 21.0 160 25600
Mazda RX4 Wag 21.0 160 25600
Datsun 710 22.8 108 11664
Hornet 4 Drive 21.4 258 66564
Hornet Sportabout 18.7 360 129600
Valiant 18.1 225 50625
请注意，这是严格的数据，仍然是data.frame。如果您想要模型矩阵，matrix包含截距和任何因子的虚拟变量，请在x = TRUE调用中设置lm，然后查看{{ 1}}。