如何運行for循環以通過虛擬變量運行回歸

Question

我有以下代碼：

reg <- lm(Y ~ x1 + x1_sq + x2 + x2_sq + x1x2 + d2 + d3 + d4, df)

其中所有x_i是連續變量，而d_i是互斥的虛擬變量（存在d1，但為了避免完全多重共線性而排除了）。 我不想為每個虛擬變量== 1運行單獨的回歸，而是希望通過以下形式的循環來實現此目的：

dummylist <- list("d1", "d2", "d3", "d4")
for(i in dummylist){
   if(i==1){
      ireg <- lm(Y ~ x1 + x1_sq + x2 + x2_sq + x1x2, df)
   } else {
      Unsure what to put here
   }
}

我的三個問題是：

1. 在-if-函數的第一部分中，我是否只為代碼生成“ d1reg，d2reg等”結果而在“ reg”之前包含“ i”？ 和，
2. 包括在上面的代碼中，在-else-語句之后我應該輸入什么？
3. 這一切都引出了一個問題，是否在if-else語句中放入-for-循環是錯誤的方法/是否有更合適的循環？

抱歉，如果太多，請讓我知道，我可以將其減少或分成多個問題。 我找不到類似的問題，可能是因為我剛開始在R中運行循環並且不知道要查找什么。

Answer 1

1. 在-if-函數的第一部分中，我是否只為代碼生成“ d1reg，d2reg等”結果而在“ reg”之前包含“ i”？

簡短： 無

在R中，有許多數據類型。 list對象是用途最廣泛的一種，它可以存儲任何類型的對象。 或者，可以創建一種environment來存儲列表，但這有點過頭了。

如果您大致知道列表中應包含多少個元素，最簡單的方法是在循環之前將其初始化為

n <- 3
regList <- vector(mode = "list", length = n)
# Optional naming:
#names(regList) <- c("d1 reg", "d2 reg", "d3 reg")

在循環中，然后迭代地填寫列表：

for(i in seq_along(regList)){
   regList[[i]] <- lm(...)
}

2. 在-else-語句之后我該怎么辦？ 這一切都引出一個問題，

目前尚不清楚您想要什么。 您只想“包括”單獨的虛擬變量。 為此，最簡單的方法可能是保存formula並進行迭代更新。

form <- Y ~ x1 + x1_sq + x2 + x2_sq + x1x2
for(i in seq_along(regList)){
   #paste0 combine strings. ". ~ . + d1" means take the formula and add the element d1 
   form <- update(form, as.formula(paste0(". ~ . + d", i)) 
   regList[[i]] <- lm(form, data = df)
}

也許您實際上正在嘗試對d[i] == 1的子集運行單獨的回歸。 這實際上可以通過lm本身完成

form <- Y ~ x1 + x1_sq + x2 + x2_sq + x1x2
d <- list(d1, d2, d3)
for(i in seq_along(regList)){
   #Using the subset argument
   regList[[i]] <- lm(form, data = df, subset = which(d[[i]] == 1))
   #Alternatively:
   #regList[[i]] <- lm(form, data = subset(df, d[[i]] == 1))
}

免責聲明： d1，d2，d3是否為df的一部分尚不清楚。 在這種情況下，以下示例將起作用

   regList[[i]] <- with(df, lm(form, subset = which(d[[i]] == 1)))

3. 是將if-else語句放在-for-循環內是錯誤的方法/是否存在更合適的循環？

在這種情況下，這顯然不是正確的方法。 但這在所有情況下都不是錯誤的方法。 在這里，它只是沒有明確的目的。 並請注意， i in dummylist ， i in dummylist將返回"d1", "d2", "d3", "d4"因為變量已被引用，而不是直接放置在列表中。

但是要解決的另一件事是，在執行線性回歸之前，是否已對變量進行了變換。 請注意， R的內部函數允許您直接在formula執行此操作，並且這樣做可以幫助您避免虛假的錯誤，例如測試存在交互的變量，除非它非常符合您的要求去做。 例如我假設x1_sq = x1^2 。 也許d1, d2, d3都包含在變量d ？ 在這些情況下，應使用原始變量，如下所示：

lm(formula = Y ~ poly(x1, 2, raw = TRUE) + poly(x2, 2, raw = TRUE) + x1:x2, data = df ) #+d if d1, d2, d3 is part of the formula

poly是二階多項式，並且raw = TRUE返回參數x1 + I(x1^2)而不是正交表示。

如果一個人這樣做，輸出drop1 ， anova等，將考慮到它不應該考第一順序變量二階相互作用。