rlmベクトル化された制御変数

Question

私はしばしば変化のない制御変数で長い方程式を書かなければなりません。例えば

、hpが関心（x）の私の変数であるモデルとvs + am + gear + carb間の変更は、私のコントロール

lm(disp ~ hp + vs + am + gear + carb, mtcars) 

ですその後、私のxはdrat、その後wtですが、私のコントロールは同じです。

lm(disp ~ drat + vs + am + gear + carb, mtcars) 
lm(disp ~ wt + vs + am + gear + carb, mtcars) 

私は非常に便利時々

y = 'disp' 
x = 'hp' 
controls = 'vs + am + gear + carb' 

lm(y ~ x + controls, mtcars) 

のようなものに、私はそれを達成できるか任意のアイデアを方程式を減らすことができるように見つけるだろうか？

Answer 1

コードは以下lmに供給する（@ ZheyuanLiのコメントに小さな編集で）文字列式を構築し、またxベクトルの各変数に対して個別のモデルを作成するpurrr（tidyverseパッケージ）からmap関数を使用。リストmodelsの各要素にはモデルオブジェクトが含まれ、要素式の名前はモデル式で使用されたxの値です。

library(tidyverse) 

y = 'disp' 
x = c('hp','wt') 
controls=c("vs","am","gear","carb") 

models = map(setNames(x,x), 
      ~ lm(paste(y, paste(c(.x, controls), collapse="+"), sep="~"), 
        data=mtcars)) 

map(models, summary) 

$hp 

Call: 
lm(formula = paste(y, paste(c(.x, controls), collapse = "+"), 
    sep = "~"), data = mtcars) 

Residuals: 
    Min  1Q Median  3Q  Max 
-85.524 -19.153 1.109 14.957 115.804 

Coefficients: 
      Estimate Std. Error t value Pr(>|t|)  
(Intercept) 261.9238 73.2477 3.576 0.0014 ** 
hp   1.2021  0.2453 4.900 4.38e-05 *** 
vs   -63.7135 26.5957 -2.396 0.0241 * 
am   -56.0468 30.7338 -1.824 0.0797 . 
gear  -31.6231 23.4816 -1.347 0.1897  
carb  -14.3237 10.1169 -1.416 0.1687  
--- 
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 

Residual standard error: 47.97 on 26 degrees of freedom 
Multiple R-squared: 0.8743, Adjusted R-squared: 0.8502 
F-statistic: 36.18 on 5 and 26 DF, p-value: 6.547e-11 


$wt 

Call: 
lm(formula = paste(y, paste(c(.x, controls), collapse = "+"), 
    sep = "~"), data = mtcars) 

Residuals: 
    Min  1Q Median  3Q  Max 
-74.153 -36.993 -2.097 30.616 102.331 

Coefficients: 
      Estimate Std. Error t value Pr(>|t|)  
(Intercept) 28.875 108.220 0.267 0.79172  
wt   88.577  18.810 4.709 7.25e-05 *** 
vs   -92.669  25.186 -3.679 0.00107 ** 
am   -3.734  34.662 -0.108 0.91503  
gear   -4.688  25.271 -0.186 0.85427  
carb   -8.455  9.662 -0.875 0.38955  
--- 
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 

Residual standard error: 48.88 on 26 degrees of freedom 
Multiple R-squared: 0.8695, Adjusted R-squared: 0.8445 
F-statistic: 34.66 on 5 and 26 DF, p-value: 1.056e-10