关于构建回归模型，包括 lm 中的交互效应 [重复]

Question

我有一个数据集如下所示

test<-read.csv("data.csv",sep=",",header=T)

有 10 个预测变量。第一列是响应变量

x<-test[,-c(1)]
y<-test[,1]

如果我想用前三个预测变量（包括它们的交互项）来测试一个模型，这就是我对 lm 所做的操作

test.model<-lm(y~x[,1]*x[,2]*x[,3], data=test)

但结果发现生成的模型还包含x[, 1]:x[, 2]:x[, 3]的交互项我如何将模型限制为只有两个因素交互，例如x[, 1]:x[, 2]、x[, 2]:x[, 3]和x[, 1]:x[, 3]

如果我想考虑所有 10 个预测变量，而不是写 x[,1]*x[,2]*x[,3]*x[,4]*...x[,10]，有没有方便的方法来写这个公式？

Answer 1

您可以使用^ 指定最高交互顺序。

y ~ (x[,1] + x[,2] + x[,3]) ^ 2

导致所有二元交互作用和主效应。

Answer 2

两点。如果您还要提供数据参数，则将预测变量和响应提取为单独的项目是没有意义的。在最坏的情况下，它会在奇怪的时刻开始失败，但至少会让你的合作者感到困惑。如果您有有意义的列名，这将很容易解释。

正如 Sven 指出的那样，您可以使用“^”公式运算符，这意味着与求幂完全不同的东西。我很确定这是一个重复的 SO 问题，所以现在将进行一些搜索。