在不同变量上运行 lm 的函数

Question

我想创建一个函数，它可以运行对给定数据集中不同变量的回归模型（例如使用 lm）。在此函数中，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)
}

这个函数显然是行不通的，因为 lm 函数不能将 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图：programming with dplyr。该小插图针对与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 包中的一个函数，但我想提出一个与此类似的解决方案。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)

运行此代码给出以下错误消息：

Error in is_quosure(e2) : argument "e2" is missing, with no default

有人知道如何修改代码以使其正常工作吗？

谢谢，

约斯特。

Answer 1

您可以使用 quo_name 和 formula:

解决此问题

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

Answer 2

这是另一种选择： 编辑： 这是一个重构的答案

lmfun<-function(data,yname,xname){
 formula1<-as.formula(paste(yname,"~",xname))
  lm.fit<-do.call("lm",list(data=quote(data),formula1))
  lm.fit
}
lmfun(mtcars,"mpg","disp")

原答案：

 lmfun<-function(data,y,x){
      formula1<-as.formula(y~x)
      lm.fit<-do.call("lm",list(data=quote(data),formula1))
      lm.fit
    }
lmfun(mtcars,mtcars$mpg,mtcars$disp)

产量：

Call:
lm(formula = y ~ x, data = data)

Coefficients:
(Intercept)            x  
   29.59985     -0.04122

Answer 3

如果参数未加引号，则在将quosure更改为字符串（quo_name）后转换为符号（sym）并评估lm中的表达式（类似于OP的lm)

的语法

library(rlang)
lmfun <- function(data, y, x) {
  y <- sym(quo_name(enquo(y)))
  x <- sym(quo_name(enquo(x)))
  expr1 <- expr(!! y ~ !! x)

  model <- lm(expr1, data = data)
  model$call$formula <- expr1 # change the call formula
  model
}

lmfun(mtcars, mpg, disp)
#Call:
#lm(formula = mpg ~ disp, data = data)

#Coefficients:
#(Intercept)         disp  
#   29.59985     -0.04122

如果我们要传递字符串，一个选项将使用 ensym 转换为符号，然后 quote 在 lm

中转换为符号

lmfun <- function(data, y, x) {
  y <- ensym(y)
  x <- ensym(x)
  expr1 <- expr(!! y ~ !! x)

  model <- lm(expr1, data = data)
  model$call$formula <- expr1 # change the call formula
  model

}

lmfun(mtcars, 'mpg', 'disp')
#Call:
#lm(formula = mpg ~ disp, data = data)


#Coefficients:
#(Intercept)         disp  
#   29.59985     -0.04122

注意：两个选项均来自tidyverse

Answer 4

另一个解决方案：

lmf2 <- function(data,y,x){
  fml <- substitute(y~x, list(y=substitute(y), x=substitute(x)))
  lm(eval(fml), data)
}

lmf2(mtcars, mpg, disp)
# Call:
# lm(formula = eval(fml), data = data)
# 
# Coefficients:
# (Intercept)         disp  
#    29.59985     -0.04122

或者，等价地：

lmf3 <- function(data,y,x){
  lm(eval(call("~", substitute(y), substitute(x))), data)
}

在不同变量上运行 lm 的函数

Function which runs lm over different variables

r

lm

quosure