基于模块条件的R度数计算

R 语言中提供了许多用于计算 R ² （R squared）的函数。其中，'summary()” 函数可以用于获取线性回归模型的 R ² 值。但是，该函数在计算 R ² 值时默认考虑了所有自变量，而有时候我们可能只关心某些特定的自变量和因变量之间的关系。

为了解决这个问题，我们可以编写一个基于模块条件的 R ² 计算函数。这个函数可以根据提供的自变量和因变量，针对指定的模块条件进行计算。

下面是一个代码示例，该示例针对数据集 'mtcars” 中的某些自变量和因变量，基于不同的模块条件计算 R ² 值。

# 定义 R² 计算函数
calc_R_square <- function(data, iv, dv, module_condition) {
  # 根据模块条件筛选数据
  filtered_data <- subset(data, module_condition)
  
  # 计算线性回归模型
  lm_model <- lm(formula = paste(dv, "~", paste(iv, collapse = "+")), data = filtered_data)
  
  # 获取模型汇总信息，包括 r-squared 值
  summary_info <- summary(lm_model)
  r_sq <- summary_info$r.squared
  
  # 返回结果
  return(r_sq)
}

# 使用示例，基于不同的模块条件计算 R²
data(mtcars)

# 例如，针对所有使用手动变速器的汽车，计算 R²
condition1 <- mtcars$am == 1
r_sq1 <- calc_R_square(mtcars, c("hp"), "mpg", condition1)
print(paste("R² for manual car:", r_sq1))

# 另一个例子，针对所有使用 4 汽缸的汽车，计算 R²
condition2 <- mtcars$cyl == 4
r_sq2 <- calc_R_square(mtcars, c("wt", "qsec"), "mpg", condition2)
print(paste("R² for 4 cyl car:", r_sq2))

运行上述代码后，将会输出两个 R² 值，分别对应于不同的模块条件。可以根据自