如何使用get（）构造变量的复杂模型

Question

我知道如何使用get()通过变量动态构建模型，例如：

dvar="myResponse"
ivar="someIndependentVariable"
family="binomial"
myGLM <- glm(data=ds, get(dvar) ~ get(ivar),family=myFamily)

当然，这对于循环遍历变量列表非常方便-您可以在for()循环中为它提供一系列独立变量，并查看许多不同的模型。我的问题是，我将如何使用get()，eval()或一些类似的命令来创建更复杂的调用？例如，假设我在列表中有两个自变量：

dvar="myResponse"
ivar=c("independentVar1","independentVar2")

最后我想要的是：

myGLM<-glm(data=ds, myResponse ~ independentVar1 + independentVar2)

我知道我可以使用三个get()语句来做到这一点，因为我只有1个因变量和2个自变量，但是对于n项自变量列表，有通用的方法吗？基本上，我要做的是逐步回归，但是我对caret，MASS等中的任何现有选项都不满意。

Answer 1

您要?reformulate ...

dvar="myResponse"
ivar <- c("independentVar1","independentVar2")
form <- reformulate(ivar, response=dvar)
glm(form, myFamily = family_string, data= ...)

作为一般规则

使用reformulate()或直接操纵公式（使用quote()，substitute()，as.symbol()等）的
• 解决方案比更加习惯/安全/可靠。 ..
• 基于字符串的解决方案（deparse() / as.formula()），它比...更惯用/更安全/更可靠。
• 具有[m]get()，eval()等的解决方案...

（由于reformulate()实际上是基于字符串的，但是由于它是一个内置函数，所以我实际上在这里有点作弊。）