Fórmula con número dinámico de variables.
Supongamos que hay algún data.frame foo_data_frame y uno quiere encontrar la regresión de la columna de destino Y mediante algunas otras columnas. Para ello se suele utilizar alguna fórmula y modelo. Por ejemplo:
linear_model <- lm(Y ~ FACTOR_NAME_1 + FACTOR_NAME_2, foo_data_frame)
Eso funciona bien si la fórmula está codificada estáticamente. Si se desea analizar varios modelos con un número constante de variables dependientes (digamos, 2), se puede tratar así:
for (i in seq_len(factor_number)) {
for (j in seq(i + 1, factor_number)) {
linear_model <- lm(Y ~ F1 + F2, list(Y=foo_data_frame$Y,
F1=foo_data_frame[[i]],
F2=foo_data_frame[[j]]))
# linear_model further analyzing...
}
}
Mi pregunta es ¿cómo lograr el mismo efecto cuando la cantidad de variables cambia dinámicamente durante la ejecución del programa?
for (number_of_factors in seq_len(5)) {
# Then root over subsets with #number_of_factors cardinality.
for (factors_subset in all_subsets_with_fixed_cardinality) {
# Here I want to fit model with factors from factors_subset.
linear_model <- lm(Does R provide smth to write here?)
}
}
Ver ?as.formula, por ejemplo:
factors <- c("factor1", "factor2")
as.formula(paste("y~", paste(factors, collapse="+")))
# y ~ factor1 + factor2
donde factorshay un vector de caracteres que contiene los nombres de los factores que desea utilizar en el modelo. Esto lo puedes pegar en un lmmodelo, por ejemplo:
set.seed(0)
y <- rnorm(100)
factor1 <- rep(1:2, each=50)
factor2 <- rep(3:4, 50)
lm(as.formula(paste("y~", paste(factors, collapse="+"))))
# Call:
# lm(formula = as.formula(paste("y~", paste(factors, collapse = "+"))))
# Coefficients:
# (Intercept) factor1 factor2
# 0.542471 -0.002525 -0.147433
Una función que a menudo se olvida es reformulate. De ?reformulate:
reformulatecrea una fórmula a partir de un vector de caracteres.
Un ejemplo sencillo:
listoffactors <- c("factor1","factor2")
reformulate(termlabels = listoffactors, response = 'y')
producirá esta fórmula:
y ~ factor1 + factor2
Aunque no está documentado explícitamente, también puedes agregar términos de interacción:
listofintfactors <- c("(factor3","factor4)^2")
reformulate(termlabels = c(listoffactors, listofintfactors),
response = 'y')
rendirá:
y ~ factor1 + factor2 + (factor3 + factor4)^2
