时间戳

首页 > 解决方案 > 在不同变量上运行 lm 的函数

r - 在不同变量上运行 lm 的函数

问题描述

我想创建一个函数，它可以在给定数据集中的不同变量上运行回归模型（例如使用 lm）。在这个函数中，我将指定我正在使用的数据集、因变量 y 和自变量 x 作为参数。我希望这是一个函数而不是循环，因为我想在脚本的各个位置调用代码。我的天真函数看起来像这样：

lmfun <- function(data, y, x) {
  lm(y ~ x, data = data)
}

该函数显然不起作用，因为 lm 函数无法将 y 和 x 识别为数据集的变量。

我做了一些研究，偶然发现了以下有用的小插曲：用 dplyr 编程。小插图为我面临的类似问题提供了以下解决方案：

df <- tibble(
  g1 = c(1, 1, 2, 2, 2),
  g2 = c(1, 2, 1, 2, 1),
  a = sample(5),
  b = sample(5)
)

my_sum <- function(df, group_var) {
  group_var <- enquo(group_var)
  df %>%
    group_by(!! group_var) %>%
    summarise(a = mean(a))
}

我知道 lm 不是 dplyr 包的一部分，但想提出一个类似的解决方案。我尝试了以下方法：

lmfun <- function(data, y, x) {
  y <- enquo(y)
  x <- enquo(x)

  lm(!! y ~ !! x, data = data)
}

lmfun(mtcars, mpg, disp)

运行此代码会给出以下错误消息：

is_quosure(e2) 中的错误：缺少参数“e2”，没有默认值

任何人都知道如何修改代码以使其工作？

谢谢，

约斯特。

标签： rlmquosure

解决方案

您可以使用quo_name's 和解决此问题formula：

lmfun <- function(data, y, x) {
  y <- enquo(y)
  x <- enquo(x)

  model_formula <- formula(paste0(quo_name(y), "~", quo_name(x)))
  lm(model_formula, data = data)
}

lmfun(mtcars, mpg, disp)

# Call:
#   lm(formula = model_formula, data = data)
# 
# Coefficients:
#   (Intercept)         disp  
#      29.59985     -0.04122

推荐阅读