5

我想计算进入公式右侧的变量数量。有没有这样做的功能？

例如：

y<-rnorm(100)
x1<-rnorm(100)
x2<-rnorm(100)
x3<-rnorm(100)
f<-formula(y~x1+x2+x3)

然后，我会调用SomeFunction(f)which 将返回 3（因为等式右侧有 3 个 x 变量）。SomeFunction 存在吗？

4

4 回答 4

8

您可能需要查看帮助页面中链接的一些相关功能formula。特别是terms：

> terms(f)
y ~ x1 + x2 + x3 + x4
attr(,"variables")
list(y, x1, x2, x3, x4)
attr(,"factors")
   x1 x2 x3 x4
y   0  0  0  0
x1  1  0  0  0
x2  0  1  0  0
x3  0  0  1  0
x4  0  0  0  1
attr(,"term.labels")
[1] "x1" "x2" "x3" "x4"
attr(,"order")
[1] 1 1 1 1
attr(,"intercept")
[1] 1
attr(,"response")
[1] 1
attr(,".Environment")
<environment: R_GlobalEnv>

注意“term.labels”属性。

于 2013-08-16T19:11:30.063 回答
7

这里有两种可能性：

length(attr(terms(f), "term.labels"))

length(all.vars(update(f, z ~.))) - 1
于 2013-08-16T19:13:13.710 回答
1

根据您的评论，这可能取决于您如何拟合模型...

在线性模型的情况下，这些答案都给出12：

set.seed(1)
df1 <- data.frame (y=rnorm(100),
                   x=rnorm(100),
                   months=sample(letters[1:12], replace=TRUE, size=100))
f1 <-formula(y~x+factor(months))
l1 <- lm(f1, data=df1)
ncol(l1$qr$qr)-1

或者

length(colnames(l1$qr$qr))-1

这qr是QR decomposition of a matrix用于拟合模型的。它将包含编号。感兴趣的参数。

您还可以从 中找出哪些变量是因子model.frame，例如：

length(unique(model.frame(l1)[["factor(months)"]]))

或者更一般地说.getXlevels，它会为您提供预测变量端每个因子的唯一值列表，如下所示：

length( stats::.getXlevels(terms(l1), model.frame(l1))[[1]] )

更新

@Mark Miller 正在吠叫一棵更好的树。如果您的模型有AIC可用的 -type 方法，您应该能够使用它来获得否。的参数。对于 a lm，它是一个隐藏的 S3 方法stats，所以这样称呼它：

stats:::extractAIC.lm(l1)[[1]] -1
于 2013-08-17T01:20:42.407 回答
1

如果您想计算估计参数的数量，正如您在 G. Grothendieck 的回答下方的评论所建议的那样，您可以尝试下面的代码。我n.coefficients为错误术语添加了一个，就像使用 AIC 所做的那样。

n      <- 20                                       # number of observations
B0     <-  2                                       # intercept
B1     <- -1.5                                     # slope 1
B2     <-  0.5                                     # slope 2
B3     <- -2.5                                     # slope 3
sigma2 <-  5                                       # residual variance

x1     <- sample(1:3, n, replace=TRUE)             # categorical covariate
x12    <- ifelse(x1==2, 1, 0)
x13    <- ifelse(x1==3, 1, 0)
x3     <- round(runif(n, -5 , 5), digits = 3)      # continuous covariate
eps    <- rnorm(n, mean = 0, sd = sqrt(sigma2))    # error
y      <- B0 + B1*x12 + B2*x13 + B3*x3 + eps       # dependent variable
x1     <- as.factor(x1)

model1 <- lm(y ~ x1 + x3)                          # linear regression
model1

summary(model1)

n.coefficients <- as.numeric(sapply(model1, length)[1]) + 1
n.coefficients

# [1] 5

这是代码的更直接的替代方法n.coefficients：

# For each variable in a linear regression model, one coefficient exists
# An intercept coefficient exists as well
# Subtract -1 to account for the intercept
n.coefficients2 <- length(model1$coefficients) - 1
n.coefficients2

# [1] 5
于 2013-08-17T01:25:38.910 回答