如何使用get（）构造变量的复杂模型

Question

我知道如何使用get()从变量快速构建模型，例如：

dvar="myResponse"
ivar="someIndependentVariable"
family="binomial"
myGLM <- glm(data=ds, get(dvar) ~ get(ivar),family=myFamily)

当然，这对于循环遍历变量列表非常方便-您可以在for()循环中向其提供一系列独立变量，并查看许多不同的模型。 我的问题是，我将如何使用get() ， eval()或一些类似的命令来创建更复杂的调用？ 例如，假设我在列表中有两个自变量：

dvar="myResponse"
ivar=c("independentVar1","independentVar2")

最后，我想要的是：

myGLM<-glm(data=ds, myResponse ~ independentVar1 + independentVar2)

我知道我可以使用三个get()语句来做到这一点，因为我只有1个因变量和2个独立变量，但是对于n项独立变量列表，有没有一种通用的方法？ 基本上，我要做的是逐步回归，但是我对caret ， MASS等中的任何现有选项都不满意。

Answer 1

您要?reformulate ...

dvar="myResponse"
ivar <- c("independentVar1","independentVar2")
form <- reformulate(ivar, response=dvar)
glm(form, myFamily = family_string, data= ...)

作为基本规则，

• 使用reformulate()或直接操纵公式的解决方案（使用quote() substitute() ， as.symbol() ， as.symbol()等）比...更惯用/更安全/更可靠。
• 基于字符串的解决方案（ deparse() / as.formula() ）比...
• 具有[m]get() ， eval()等的解决方案...

（我实际上在这里在这个层次结构上作弊，因为reformulate()实际上是基于字符串的，但是由于它是一个内置函数...）