R语言中如何简化lm()函数的模型公式变量输入？

问题说明 #

我有一个名为Data1的数据框，包含变量：STUDENT、COURSE、GRADE、TIME、FEUW、GH、X1、Y6、U9、W3、Q0。希望构建模型：

model = lm(GRADE ~ COURSE + TIME + GH + X1 + Y6 + W3 + Q0, data = Data1)

请问是否有方法简化变量名的输入？例如能否写成：

model = lm(GRADE ~ COURSE + TIME + GH/Y6 + W3/Q0, data = Data1)

解答 #

1. 你提到的GH/Y6写法不可行 #

在R的公式语法中，GH/Y6等价于GH + GH:Y6，也就是包含GH的主效应，以及GH和Y6的交互项，但不会单独纳入Y6的主效应，这和你原模型中GH + Y6的需求完全不符。同理W3/Q0会变成W3 + W3:Q0，和原模型的W3 + Q0不一致，所以不能这么写。

2. 几种可行的简化方式 #

• 方式一：利用.符号排除不需要的变量
  .代表除因变量外的所有变量，你可以通过减去不需要的变量快速筛选：

model = lm(GRADE ~ COURSE + TIME + . - STUDENT - FEUW - U9, data = Data1)

这里.会包含所有除GRADE外的变量，减去STUDENT、FEUW、U9后，剩下的就是你需要的目标自变量。

• 方式二：提前定义变量向量，用reformulate构建公式
  先把需要的自变量存入向量，再用reformulate生成公式：

# 定义自变量向量
predictors <- c("COURSE", "TIME", "GH", "X1", "Y6", "W3", "Q0")
# 构建模型
model = lm(reformulate(predictors, response = "GRADE"), data = Data1)

这种方式适合变量较多或需要重复使用同一组变量的场景。

• 方式三：变量名有规律时用范围写法
  如果自变量名有连续命名规律（比如X1-X5），可以用X1:X5表示该范围内的所有变量，但你的变量名无连续规律，这个方法不适用。

内容的提问来源于stack exchange，提问作者bvowe