在多元线性回归中动态引用列名（lm（））

Question

如果这个问题措辞不好，我很抱歉，但是经过几个小时的网络搜索，我有信心说这个问题以前没有得到回答。我将尽力详细描述这个问题所涉及的内容。

数据集摘要：使用的数据是从python代码检索并存储在单个CSV文档中的财务数据（开放，高，低，关闭）。使用lapply，然后读取并存储文档。为了简单起见，我目前关注的是每日百分比变化，或者（关闭/转移（关闭）） - 1。出于这个问题的目的，我从数据中删除了所有NAs以及非完整的代码。

我有一个98列（代码）的数据框（从列表转换），跨越1000行（天）。数据框/矩阵中的值是每天的每个股票代码的每日百分比变化。

目标：我想知道如何通过动态引用列名称，使用所有其他列（lm()）在每列上应用~ .公式。

样本数据集：

aapl_pct_chg <- c(.02, .03, .01, -.05, -.01)
tmus_pct_chg <- c(-.01, -.02, .05, .01, -.03)
akam_pct_chg <- c(.1, -.2, .3, -.03, -.07)
intc_pct_chg <- c(.01, .03, .02, .01, .1)
de_pct_chg <- c(-.01, -.05, .05, .1, -.03)

df <- as.data.frame(cbind(aapl_pct_chg, tmus_pct_chg, akam_pct_chg, intc_pct_chg, de_pct_chg))

names(df) <- c("AAPL", "TMUS", "AKAM", "INTC", "DE")

这很简单，可以执行以下操作：

lm_aapl <- lm(AAPL ~ ., data=df)

但我一直无法找到一种方法来动态地引用列名而不会遇到错误。我的意思是，理想情况下，我可以运行一个公式来捕获每列上的lm()模型，使用其他所有列。

有一些已回答的问题得到了帮助（我道歉，我没有组织，并以500种不同的方式尝试过这种方法），但没有一个能解决它。我最接近的是一个符合我想要的公式，但它会在预测AAPL时包含AAPL的值 - 这会导致一个好的模型而不是我想要的。

Answer 1

由于您可以在模型公式中使用.来表示所有剩余变量，因此您可以使用paste轻松地将公式的向量构造为字符串。通常的下一步是使用lapply或类似方法迭代它，在字符串上调用as.formula（未矢量化）然后应用公式。全部一起，

df <- data.frame(AAPL = c(0.02, 0.03, 0.01, -0.05, -0.01), 
                 TMUS = c(-0.01, -0.02, 0.05, 0.01, -0.03), 
                 AKAM = c(0.1, -0.2, 0.3, -0.03, -0.07), 
                 INTC = c(0.01, 0.03, 0.02, 0.01, 0.1), 
                 DE = c(-0.01, -0.05, 0.05, 0.1, -0.03))

models <- lapply(paste(names(df), '~ .'), 
                 function(f){ lm(as.formula(f), data = df) })

models[[1]]
#> 
#> Call:
#> lm(formula = as.formula(f), data = df)
#> 
#> Coefficients:
#> (Intercept)         TMUS         AKAM         INTC           DE  
#>     0.01941      0.52529      0.02116     -0.33372     -0.70687

注意调用不是很漂亮，所以如果你想拼接公式，请使用substitute和eval得到的表达式：

models <- lapply(paste(names(df), '~ .'), function(f){
    eval(substitute(lm(frm, data = df), 
                    list(frm = as.formula(f))))
})

models[[2]]
#> 
#> Call:
#> lm(formula = TMUS ~ ., data = df)
#> 
#> Coefficients:
#> (Intercept)         AAPL         AKAM         INTC           DE  
#>    -0.03694      1.90370     -0.04028      0.63530      1.34566

Answer 2

您可以创建动态语句并使用eval()和parse()来解释它

names(df) <- c("AAPL", "TMUS", "AKAM", "INTC", "DE")
for (n in names(df)) {
    code <- paste0("lm_", n , " <- lm(", n, " ~ ., data=df)")
    eval(parse(text=code))
}