将交互项序列添加到线性模型，lm()

Question

我的数据格式如下：

mpg     disp    c1  c2  c3
21.0    160.0   0   0   0
21.0    160.0   0   0   0
22.8    108.0   1   0   0
21.4    258.0   1   0   0
18.7    360.0   0   1   0
18.1    225.0   1   0   0

我想要运行一个像这样的线性模型，其中 c1 到 c3 都与另一个解释变量 disp:

lm(mpg ~ disp:c1 
       + disp:c2
       + disp:c3, df)

当然，我的真实数据集有 3 个以上的交互，但我需要交互的所有变量都按列顺序排序并按顺序命名（例如 c1、c2 等）。

有没有一种简单的方法可以指定 disp 和 c1 之间的交互，比如 c100？

下面用于重现我的示例数据集的代码：

library(dplyr)
df <- mtcars
df <- df %>% mutate(c = factor(carb))
dummies <- model.matrix(data = df, ~ c + 0)
dummies <- as_data_frame(dummies)
df <- cbind(df, dummies)
df <- df %>% select(mpg, disp, c1:c3)
head(df)

Answer 1

paste 按要求顺序排列的值并使用 formula

lm(formula(paste0("mpg ~ ", paste0("disp:", "c", 1:3, collapse = " + "))), df)

#Call:
#lm(formula = formula(paste0("mpg ~ ", paste0("disp:", "c", 1:3, 
#    collapse = " + "))), data = df)

#Coefficients:
#(Intercept)      disp:c1      disp:c2      disp:c3  
# 19.7862454    0.0196435    0.0008339   -0.0126405

其中

paste0("mpg ~ ", paste0("disp:", "c", 1:3, collapse = " + ")) #gives
#[1] "mpg ~ disp:c1 + disp:c2 + disp:c3"

当您手动应用函数时，这会给出相同的输出 lm

lm(mpg ~ disp:c1 + disp:c2 + disp:c3, df)

Answer 2

我们可以使用reformulate

lm(reformulate(paste0("disp:", "c", 1:3), "mpg"), df)
#Call:
#lm(formula = reformulate(paste0("disp:", "c", 1:3), "mpg"), data = df)

#Coefficients:
#(Intercept)      disp:c1      disp:c2      disp:c3  
# 19.7862454    0.0196435    0.0008339   -0.0126405

将交互项序列添加到线性模型，lm()

Add sequence of interaction terms to linear model, lm()

r

lm

dplyr

tidyverse