如何在具有100個因變量的線性模型中指定公式，而不必在R中顯式編寫它們

Question

此問題是從“交叉驗證”遷移而來的，因為可以在“堆棧溢出”中回答。 遷移 2年前 。 了解更多 。

問題是（a）以ATM Widthrawals為日內需求建模，並且（b）為未來需求創建預測間隔。 一天有144個10分鍾的時間段，而我的數據集是每個周期中ATM寬度原始值的數量。 這是一張圖表，因此您可以大致了解我在說什么。

我的數據集還具有其他數據（主要是虛擬變量），例如工作日和假日。 出於本文的目的，我使用以下data.frame作為我的數據集的表示形式（該數據集只有6個時間段，介於00:10和01:00之間，而不是整天）

df <- data.frame(H0010=1, H0020=2, H0030=3, H0050=4, H0050=5, H0100=6,
                 WeekDay=7, Holiday=8)

我想到的第一個想法是擬合線性回歸。 更准確地說，是多元多元線性回歸。 但是因為我有144個因變量（每10分鍾一個），而不僅僅是6個，所以我在R中的代碼會非常長：

lm.fit <- lm(cbind(H0010, H0020, H0030, H0050, H0050, H0100,
                   H0200, H0210, H0220, H0230, H0240, H0250,

                  (and in goes on and on till midnight)

                   H2310, H2320, H2330, H2340, H2350, H2359) 
                  ~ WeekDay + Holiday, data = df)

有沒有一種方法可以編寫模型公式而不必指定所有144個因變量？

我也將對如何使用其他方法解決此問題有任何其他想法（盡管上面提到的問題是上述問題）。

編輯 ：我的數據集由因變量（交易次數）和虛擬變量組成。 因此，解決方案lm(cbind(-Weekday, -Holiday) ~ Weekday + Holiday, data=df)不起作用。

Answer 1

當然，您可以通過指定要排除的變量來選擇變量：

lm(cbind(-WeekDay, -Holiday) ~ WeekDay + Holiday, data=df)

編輯：

這個怎么樣？ 我也包括了一個更現實的數據框。

df <- data.frame(H0010=rnorm(100, 1, 1), H0020=rnorm(100, 2, 1), 
             H0030=rnorm(100, 3, 1), H0050=rnorm(100, 4, 1), 
             H0050=rnorm(100, 5, 1), H0100=rnorm(100, 6, 1),
             WeekDay=factor(c(rep(seq(1,7), 14), 1, 2)),
             Holiday=factor(rbinom(100, 1, prob = .05)))


y <- as.matrix(df[,1:6])
x <- model.matrix(~df$WeekDay+df$Holiday)
lm(y~0+x) #suppress intercept, as it's in the model.matrix

Answer 2

f <- sprintf("cbind(%s) ~ WeekDay + Holiday", paste(names(df)[1:6], collapse = ", "))
lm(f, data = df)