如何运行 for 循环以通过虚拟变量运行回归

Question

我有以下代码：

reg <- lm(Y ~ x1 + x1_sq + x2 + x2_sq + x1x2 + d2 + d3 + d4, df)

其中所有 x_i 都是连续变量，d_i 是互斥虚拟变量（d1 存在但排除以避免完美的多重共线性）。我不想包括虚拟变量，而是想对每个虚拟变量 == 1 运行单独的回归。我希望通过以下形式的循环来实现这一点：

dummylist <- list("d1", "d2", "d3", "d4")
for(i in dummylist){
   if(i==1){
      ireg <- lm(Y ~ x1 + x1_sq + x2 + x2_sq + x1x2, df)
   } else {
      Unsure what to put here
   }
}

我的三个（？）问题是：

1. 在 -if- 函数的第一部分，我是否只在“reg”之前包含“i”，以便我的代码生成结果“d1reg、d2reg 等”？并且，
2. 包含在上面的代码中，我应该在 -else- 语句之后添加什么？
3. 这一切都引出了一个问题，将 if-else 语句 within 放在 -for- 循环中是错误的方法/是否有更合适的循环？

对不起，如果这太多了，请告诉我是否是这样，我可以将其删减或分成多个问题。我找不到类似的问题，可能是因为我对在 R 中运行循环比较陌生，不知道要寻找什么。

Answer 1

1. 在 -if- 函数的第一部分，我是否只在“reg”之前包含“i”，以便我的代码生成结果“d1reg、d2reg 等”？

短：否

在 R 中有许多数据类型。其中一个更通用的曾经是list 对象，它可以存储任何类型的对象。或者，可以创建一个environment 来存储其中的列表，但这有点矫枉过正。

如果您大致知道列表中应该包含多少元素，最简单的方法是在循环之前将其初始化为

n <- 3
regList <- vector(mode = "list", length = n)
# Optional naming:
#names(regList) <- c("d1 reg", "d2 reg", "d3 reg")

在您的循环中，您然后迭代地填写您的列表：

for(i in seq_along(regList)){
   regList[[i]] <- lm(...)
}

1. 在 -else- 语句之后应该放什么？这一切都引出了问题，

这里并不完全清楚你想要什么。要么你想“只”包括单独的虚拟变量。为此，最简单的方法可能是保存您的 formula 并迭代更新它。

form <- Y ~ x1 + x1_sq + x2 + x2_sq + x1x2
for(i in seq_along(regList)){
   #paste0 combine strings. ". ~ . + d1" means take the formula and add the element d1 
   form <- update(form, as.formula(paste0(". ~ . + d", i)) 
   regList[[i]] <- lm(form, data = df)
}

或者您实际上是在尝试对 d[i] == 1 所在的子集运行单独的回归。这实际上可以通过lm 本身来完成

form <- Y ~ x1 + x1_sq + x2 + x2_sq + x1x2
d <- list(d1, d2, d3)
for(i in seq_along(regList)){
   #Using the subset argument
   regList[[i]] <- lm(form, data = df, subset = which(d[[i]] == 1))
   #Alternatively:
   #regList[[i]] <- lm(form, data = subset(df, d[[i]] == 1))
}

免责声明： d1、d2、d3 是否是 df 的一部分并不完全清楚。在这种情况下，下面的示例将起作用

   regList[[i]] <- with(df, lm(form, subset = which(d[[i]] == 1)))

1. 在 -for- 循环中放置 if-else 语句是错误的方法/是否有更合适的循环？

在这种情况下，这显然不是正确的方法。但这在所有情况下都不是错误的方法。在这里，它只是没有明确的目的。请注意，i in dummylist 将返回 "d1", "d2", "d3", "d4"，因为变量已被引用，而不是直接放在列表中。

但是要解决的另一件事是，在执行线性回归之前，您是否自己转换了变量。请注意R 的内部函数允许您直接在formula 中执行此操作，这样做可以帮助您避免错误错误，例如测试存在交互的变量，除非它非常非常很多你想做的事。例如我假设x1_sq = x1^2。也许d1, d2, d3 都包含在变量d 中？在这些情况下，您应该使用如下所示的原始变量：

lm(formula = Y ~ poly(x1, 2, raw = TRUE) + poly(x2, 2, raw = TRUE) + x1:x2, data = df ) #+d if d1, d2, d3 is part of the formula

poly 是二阶多项式，raw = TRUE 返回参数为x1 + I(x1^2) 而不是正交表示。

如果这样做，drop1、anova 等的输出将考虑到它不应该测试一阶变量到二阶交互。