如何在函数内部使用 lm()？

Question

似乎从函数内部或通过 lapply 调用 lm() 搞砸了与匹配关联的 $call。最小工作示例：

> library(MASS)
> dat <- data.frame(x = 1:100, y=1:100)
> dat <- within(dat, z <- x + log(y) + rnorm(100))
> fits <- lapply(list(z ~ x + y, z ~ x + log(y)), lm, dat)
> stepAIC(fits[[1]])               # <-- error when I try to use the fit in other functions
Error in eval(expr, envir, enclos) : could not find function "FUN"

> fits[[1]]$call
FUN(formula = X[[i]], data = ..1)  # Aha -- this must be why -- $call is screwed up

如何解决这个问题并防止出现上述错误？

Answer 1

有时最好为 lapply 提供一个匿名函数:

fits <- lapply(list(z ~ x + y, z ~ x + log(y)), 
                   function(f) lm(f, data = dat))
stepAIC(fits[[1]])
#works

请注意，这（通常是我首选的明确范围界定方式）不起作用，因为 DF 未被 stepAIC 找到：

fits <- lapply(list(z ~ x + y, z ~ x + log(y)), 
                   function(f, DF) lm(f, data = DF), DF = dat)

注意逐步回归is a bad method anyway。

Answer 2

另一种方法是直接在 lapply 中应用 stepAIC：

 AICs <- lapply(list(z ~ x + y, z ~ x + log(y)), 
                function(x) stepAIC(lm(x,dat)))

这为您提供了所有模型的 stepAIC 输出列表。

Answer 3

尝试将此用作 lapply 中的函数。这会在 fits 中生成漂亮的公式，显示实际公式并且 stepAIC 有效：

fun <- function(fo) do.call("lm", list(fo, quote(dat)))
fits <- lapply(list(z ~ x + y, z ~ x + log(y)), fun)

给予：

> fits[[1]]

Call:
lm(formula = z ~ x + y, data = dat)

Coefficients:
(Intercept)            x            y  
      2.154        1.031           NA  


> stepAIC(fits[[1]])
Start:  AIC=-3.34
z ~ x + y


Step:  AIC=-3.34
z ~ x

       Df Sum of Sq   RSS    AIC
<none>                 93  -3.34
- x     1     88600 88693 680.78

Call:
lm(formula = z ~ x, data = dat)

Coefficients:
(Intercept)            x  
      2.154        1.031

如何在函数内部使用 lm()？

How do I use lm() from inside a function?

r

regression

linear-regression

lm