在 R 的 lm() 中输入多个解释变量有捷径吗？

Question

我对 R 中的 lm() 函数有疑问。我知道 lm() 用于回归建模，我知道可以这样做：

lm(response ~ explanatory1 + explanatory2 + ... + explanatoryN, data = dataset)

现在我的问题是："Suppose that N is large, is there a short cut that I can use that doesn't involve me having to write all N variable names?"

提前致谢！

编辑：我遗漏了我真正需要回答的问题的很大一部分。假设我想删除 1 到 k 解释变量，并且只包括 n-k 这些变量。

Answer 1

您可以使用 .

lm(response~., data = data)

Answer 2

您可以对 select 所有变量使用点号，对 select 不应用作预测变量的变量使用减号。

lm(Sepal.Length ~ .-Species -Petal.Length, iris)

Call:
lm(formula = Sepal.Length ~ . - Species - Petal.Length, data = iris)

Coefficients:
(Intercept)  Sepal.Width  Petal.Width  
 3.4573       0.3991       0.9721

Answer 3

你可以只用一个点lm(response ~ ., data= dataset)

使用 mtcars 数据集的示例（已在 R 中）

ex = lm(mpg~., data = mtcars)
summary (ex)

Answer 4

以mtcars为例：

我会捕获预测变量。我坚持使用一个基本示例，但可以将正则表达式与 grep 一起使用并保持相同的逻辑（见下文）。我正在使用除第一列 ("mpg") 之外的所有列。

predictors <- names(mtcars)[-1] 
# [1] "cyl"  "disp" "hp"   "drat" "wt"   "qsec" "vs"   "am"   "gear" "carb"

myFormula <- paste("mpg ~ ", paste0(predictors, collapse = " + "))
# [1] "mpg ~  cyl + disp + hp + drat + wt + qsec + vs + am + gear + carb"

lm(data = mtcars, formula = myFormula)

正则表达式示例

以iris为例。我想匹配所有包含 "Petal" 的列名。

predictors <- grep(x = names(iris), pattern = "Petal", value = TRUE)
#[1] "Petal.Length" "Petal.Width" 

myFormula <- paste("Sepal.Width ~ ", paste0(predictors, collapse = " + "))
# [1] "Sepal.Width ~  Petal.Length + Petal.Width"

lm(data = iris, formula = myFormula)

在 R 的 lm() 中输入多个解释变量有捷径吗？

Is there a short cut to typing multiple explanatory variables in lm() in R?

regression

r

shortcut

linear-regression

lm

正则表达式示例