如何在不键入每个变量名称的情况下对一系列变量进行回归

问题描述

|| 我想对数据集中的一堆自变量进行回归分析。预测变量很多，所以我不想全部写出来。是否有跨多个列的记号，所以我不必每次都键入？ 我的尝试是这样做的（我的预测指标在第20至43列中）：

modelAllHexSubscales = lm(HHdata$garisktot~HHdata[,20:43])

显然，这是行不通的，因为

HHdata[,20:43]

是数据矩阵，而我真的需要它来将数据看成

HHdata[,20]+HHdata[,21]

等。     

解决方法

首先粘贴列名称来生成公式。

f <- as.formula(paste(\'garisktot ~\',paste(colnames(HHdata)[20:43],collapse=\'+\')))
modelAllHexSubscales <- lm(f,HHdata)

    ,这是另一种选择：

# if garisktot is in columns 20:43
modelAllHexSubscales <- lm(garisktot ~ .,data=HHdata[,20:43])
# if it isn\'t
modelData <- data.frame(HHdata[\"garisktot\"],HHdata[,20:43])
modelAllHexSubscales <- lm(garisktot ~ .,data=modelData)

    ,您是否尝试过直接这样做，例如

> y
[1] 10 19 30 42 51 59 72 78

> X
     [,1] [,2]
[1,]    1  1.0
[2,]    2  3.0
[3,]    3  5.5
[4,]    4  7.0
[5,]    5  9.0
[6,]    6 11.0
[7,]    7 13.0
[8,]    8 16.0

> summary(lm(y ~ X))

Call:
lm(formula = y ~ X)

Residuals:
      1       2       3       4       5       6       7       8 
-0.1396 -1.2774  0.9094  1.4472  0.3094 -1.8283  1.0340 -0.4547 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)   
(Intercept)   -2.647      2.004  -1.321  0.24366   
X1            15.436      3.177   4.859  0.00464 **
X2            -2.649      1.535  -1.726  0.14490   
---
Signif. codes:  0 \'***\' 0.001 \'**\' 0.01 \'*\' 0.05 \'.\' 0.1 \' \' 1

Residual standard error: 1.363 on 5 degrees of freedom
Multiple R-squared:  0.9978,Adjusted R-squared:  0.9969 
F-statistic:  1124 on 2 and 5 DF,p-value: 2.32e-07