模型公式中"."的含义与?formula文档不符？代码验证疑问

问题回顾 #

根据?formula文档：

公式中的"."有两种特殊解释。通常在模型拟合函数的data参数语境下，它表示‘公式中未明确列出的所有列’：详见terms.formula。仅在update.formula语境下，它表示‘该公式部分之前的内容’。

你预期公式y ~ x1 + . + (.)^2会生成仅含x2:x3交互项的模型矩阵，但实际结果包含了所有二阶交互项（x1:x2、x1:x3、x2:x3）。

你的测试代码：

dat <- data.frame(
  y = rnorm(10),
  x1 = runif(10),
  x2 = rbinom(10,size = 1,prob = 0.5),
  x3 = rbinom(10,size = 1,prob = 0.5)
)

mt <- terms.formula(
  x = y ~ x1 + . + (.)^2,
  data = dat
)

mm <- model.matrix(mt,dat)
colnames(mm)
# 输出:
# [1] "(Intercept)" "x1"          "x2"          "x3"          "x1:x2"      
# [6] "x1:x3"       "x2:x3"  

显式写公式得到预期结果：

mt1 <- terms.formula(
  x = y ~ x1 + x2 + x3 + (x2 + x3)^2,
  data = dat
)

mm1 <- model.matrix(mt1,dat)
colnames(mm1)
# 输出:
# [1] "(Intercept)" "x1"          "x2"          "x3"          "x2:x3"  

核心原因 #

你对"."的解析逻辑存在误解：

• 在普通公式（非update.formula）语境下，每个"."都是独立解析的，不会继承其他"."的替换结果。
• 公式y ~ x1 + . + (.)^2包含三个独立项：x1、.、(.)^2：
  1. 第一个.作为单独项，解析为数据中除响应变量y和已明确列出的x1之外的所有列，即x2+x3。
  2. 第二个.位于子公式(.)^2中，该子公式未明确列出任何变量，因此.会解析为数据中除y之外的所有预测变量（x1+x2+x3）。平方后展开为所有主效应和二阶交互项。
• 最终公式经terms.formula去重合并后，等价于y ~ (x1+x2+x3)^2，因此模型矩阵包含所有主效应与二阶交互项。

正确实现 #

若要得到仅含x2:x3的交互项，无需重复使用.，直接用以下公式即可：

mt_correct <- terms.formula(
  x = y ~ x1 + (.)^2,
  data = dat
)

mm_correct <- model.matrix(mt_correct, dat)
colnames(mm_correct)
# 输出:
# [1] "(Intercept)" "x1"          "x2"          "x3"          "x2:x3"  

这里的.在(.)^2中会解析为除y和x1之外的x2+x3，平方后展开为x2 + x3 + x2:x3，与x1合并后即为预期结果。

内容的提问来源于stack exchange，提问作者joran