R - 回归变量转换函数

Question

我在 SAS 中编写了一个宏来做我想要的，但现在我想在 R 中获得一个做同样事情的函数。

我想要一个函数，它可以以多种方式转换特定的预测变量，然后使用每种转换构建单独的回归模型，然后比较结果。

例如，考虑以下线性回归模型：

lm(y ~ x1 x2,data=df)

我想用三种不同的方式变换 x1，取对数，取平方，取 0.5 次方，然后建立回归方程 3 次，每次变换一次，然后比较结果。

是否有可以构建的功能，或其他可以为我做这件事的功能？

谢谢。

Answer 1

这个功能可能会被改进。向@thelatemail 致敬。

lm.3Trans = function(y, x1, x2, transformations = c(log,sqrt,pwer)){
  pwer = function(x, p = 2) poly(x,p)
  res = lapply(transformations, function(f) lm(y ~ f(x1) + x2))
  res
}

这会将您的模型输出到一个列表中，然后您可以对其执行以下操作：

lapply(lm.3Trans(y,x,x1), summary)

获取更详细的摘要

也许值得扩展这个函数来获取一个公式，也许还有另一个争论来确定应该转换哪个预测变量。请让我知道这是否有用。