Como escrever uma fórmula de modelo linear com 100 variáveis em R

22

Existe uma maneira fácil em R criar uma regressão linear sobre um modelo com 100 parâmetros em R? Digamos que temos um vetor Y com 10 valores e um quadro de dados X com 10 colunas e 100 linhas. Em notação matemática, eu escreveria Y = X[[1]] + X[[2]] + ... + X[[100]]. Como escrevo algo semelhante na sintaxe R?

r cristão
fonte

1

existem 100 ou 1000? Além disso, você normalmente tem as colunas são as variáveis e as linhas sejam observações (parece que é revertida aqui)

Macro

100 o 0 extra foi um erro de digitação

Christian

2

Sério? Você tem certeza de que quer fazer isso? Eu ficaria preocupado com o ajuste excessivo e a correlação entre combinações lineares dos preditores. Não só isso, com 100 preditores, mas apenas 10 observações, você tem regressão linear não vai funcionar.

p > n

$p>n$

Aaron - Restabelece Monica

29

Tente isto

df<-data.frame(y=rnorm(10),x1=rnorm(10),x2=rnorm(10))
lm(y~.,df)

danas.zuokas
fonte

4

E se você quiser, digamos, todas as interações de segunda ordem, você pode escrever y ~ . + .^2. E assim por diante.

Lutz Prechelt

3

E se você quiser apenas algumas das interações de segunda ordem, algo como y ~ . + .:x1você obterá as interações de cada variável (exceto x1) com x1. E assim por diante; Você entendeu a ideia.

Lutz Prechelt

21

Ótimas respostas!

Eu acrescentaria que, por padrão, chamar formulaum data.framecria uma fórmula aditiva para regredir a primeira coluna para as outras.

Então, no caso da resposta de @ danas.zuokas você pode até fazer

lm(df)

que é interpretado corretamente.

gui11aume
fonte

Ainda assim, esta resposta não funcionará se você desejar misturar em termos de interação. O seu faz (+1).

gui11aume

6

Eu estou constantemente espantado em como sobrecarregado a maioria dos Roperadores 's são :)

Macro

19

Se cada linha é uma observação e cada coluna é um preditor, de modo que é um vetor de comprimento e é uma matriz ( nesse caso), você pode fazer isso com $Y$ $n$ $X$ $n \times p$ $p=100$

Z = as.data.frame(cbind(Y,X))
lm(Y ~ .,data=Z)

Se houver outras colunas que você não deseja incluir como preditores, será necessário removê-las Xantes de usar esse truque ou usar -a fórmula do modelo para excluí-las. Por exemplo, se você quiser excluir o 67º preditor (que tem o nome correspondente x67), poderá escrever

lm(Y ~ .-x67,data=Z)

Além disso, se você deseja incluir interações, etc., precisará adicioná-las manualmente como (por exemplo)

lm(Y ~ .+X[,1]*X[,2],data=Z)

ou verifique se eles foram inseridos como colunas de X.

Macro
fonte

19

Você também pode usar uma combinação das funções formulae paste.

Dados de configuração : Vamos imaginar que temos um data.frame que contém as variáveis de previsão x1para x100e nossa variável dependente y, mas que há também uma variável incômodo asdfasdf. Além disso, as variáveis preditoras são organizadas em uma ordem para que não sejam todas contíguas no data.frame.

Data <- data.frame(matrix(rnorm(102 * 200), ncol=102))
names(Data) <- c(paste("x", 1:50, sep=""), 
    "asdfasdf", "y", paste("x", 51:100, sep=""))

Imagine também que você tenha uma sequência contendo os nomes das variáveis preditoras. Nesse caso, isso pode ser criado facilmente usando a pastefunção, mas em outras situações, grepou alguma outra abordagem pode ser usada para obter essa sequência.

PredictorVariables <- paste("x", 1:100, sep="")

Aplicar abordagem : podemos então construir uma fórmula da seguinte maneira:

Formula <- formula(paste("y ~ ", 
     paste(PredictorVariables, collapse=" + ")))
lm(Formula, Data)

o collapseargumento é inserido +entre as variáveis preditoras
formulaconverte a string em um objeto de fórmula de classe adequado para a lmfunção.

De maneira mais geral, uso a função a seguir com bastante regularidade quando quero fornecer as variáveis preditoras como vetor de nomes de variáveis.

regression <- function(dv, ivs, data) {
    # run a linear model with text arguments for dv and ivs
    iv_string <- paste(ivs, collapse=" + ")
    regression_formula <- as.formula(paste(dv, iv_string, sep=" ~ "))
    lm(regression_formula, data)

}

Por exemplo,

regression("y", PredictorVariables, Data)

Jeromy Anglim
fonte

2

+1. Eu uso essa técnica o tempo todo. Ocasionalmente, no entanto, ter a fórmula armazenada em uma variável causa problemas. Consulte stackoverflow.com/a/7668846/210673 para obter o uso da do.callavaliação da fórmula antes de chamar lm.

Aaron - Restabelece Monica

Como escrever uma fórmula de modelo linear com 100 variáveis ​​em R

Respostas:

Como escrever uma fórmula de modelo linear com 100 variáveis em R