Question

我有一个数据框，我想从其他变量中预测所有变量，因此我构建了一个像这样的循环：

df = iris
df$Species <- NULL

mods = list()
for (i in 1:ncol(df)) {
  mods[[i]] <- lm(df[, i] ~ ., df)
}

但是，令我惊讶的是，每个变量都是它自己的预测变量。即使我这样做：

mods = list()
for (i in 1:ncol(df)) {
  mods[[i]] = lm(df[, i] ~ . - df[, i], df)
}

发生同样的事情。

我知道我可以使用正确的名称在侧面创建正确的公式表达式，以此类推，但是我觉得这不是lm的理想行为。

问题是：我错过了什么吗？此功能有这种令人不适的行为吗？如果以前的问题的答案为“否”，是否应该加以改善？

Answer 1

这似乎是预料之中的，并且与R对我的运作方式非常一致。您要将df传递到data参数中，但随后在公式中引用了不同的df（这是相同的，但此时对象引用不同。

在第一个示例中，您的y变量不是来自data的变量，而是来自其他df的变量。因此，因此没有data列，而.返回了全部。

在第二个示例中，您说要包含data中的所有变量，但要排除其他数据框df中的列。因此，它从df中排除了该列，但仍保留了data中的所有列。

我认为这是您所期望的：

mods = list()
for (i in 1:ncol(df)) {
  mods[[i]] = lm(df[, i] ~ ., df[, -i])
}

Answer 2

它不包含名称，但是该代码不使用任何名称。

df = iris
df$Species <- NULL

LM <- function(nm) {
  fo <- paste(nm, "~.")
  do.call("lm", list(fo, quote(df)))
}
Map(LM, names(df))

给出这4个元素列表（仅第一个显示）：

$Sepal.Length

Call:
lm(formula = "Sepal.Length ~.", data = df)

Coefficients:
 (Intercept)   Sepal.Width  Petal.Length   Petal.Width  
      1.8560        0.6508        0.7091       -0.5565  

## ..snip...

R线性模型函数（lm）不会从预测变量中排除预测变量

2 个答案: