避免在拟合多个线性回归模型时重复编写模型公式

Question

我想在 R 中运行一些类似的线性回归模型，例如

lm(y ~ x1 + x2 + x3 + x4 + x5, data = df)
lm(y ~ x1 + x2 + x3 + x4 + x5 + x6, data = df)
lm(y ~ x1 + x2 + x3 + x4 + x5 + x6 + x7, data = df)

如何将其中的一部分分配给“基本”公式，以避免重复多次？这将是基础：

y ~ x1 + x2 + x3 + x4 + x5

那我该怎么做类似以下的事情（显然不起作用）？

lm(base + x6, data = df)

在 Stack Overflow 上搜索，我意识到我可以制作一个只包含感兴趣变量的数据框，并使用 . 来缩短模型公式，但我想知道是否可以避免这种情况。

Answer 1

您可以使用update.formula 更新模型公式。例如：

base <- y ~ x1 + x2 + x3 + x4 + x5
update.formula(base, . ~ . + x6)
#y ~ x1 + x2 + x3 + x4 + x5 + x6

如果您想提供新的变量名作为字符，这里是一个字符串版本：

## `deparse` damp a model formula to a string
formula(paste(deparse(base), "x6", sep = " + "))

其实你甚至可以直接更新你的模型

fit <- lm(base, dat); update.default(fit, . ~ . + x6)

---

这种更新整个模型的想法效果最好。我的情况只需要update()。

我写了update.default 和update.formula，以便您知道在为文档执行? 时要查找什么函数。