r - R回归中的动态变量名称

Question

意识到使用动态变量名的危险，我试图遍历选择不同变量规范的varios回归模型。通常，!!rlang::sym()可以为我很好地解决此类问题，但是在某种程度上它在回归方面会失败。最小的示例如下:

y= runif(1000) 
x1 = runif(1000) 
x2 = runif(1000) 

df2= data.frame(y,x1,x2)
summary(lm(y ~ x1+x2, data=df2)) ## works

var = "x1"
summary(lm(y ~ !!rlang::sym(var)) +x2, data=df2) # gives an error

我的理解是 !!rlang::sym(var))接受 var的值(即x1)，并以R认为这是一个变量(不是字符)的方式将其放入代码中。但是我似乎错了。谁能启发我？

Answer 1

就我个人而言，我喜欢对语言进行一些计算。对我来说，将bquote与eval组合起来最容易(记住)。

var <- as.symbol(var)
eval(bquote(summary(lm(y ~ .(var) + x2, data = df2))))
#Call:
#lm(formula = y ~ x1 + x2, data = df2)
#
#Residuals:
#     Min       1Q   Median       3Q      Max 
#-0.49298 -0.26248 -0.00046  0.24111  0.51988 
#
#Coefficients:
#            Estimate Std. Error t value Pr(>|t|)    
#(Intercept)  0.50244    0.02480  20.258   <2e-16 ***
#x1          -0.01468    0.03161  -0.464    0.643    
#x2          -0.01635    0.03227  -0.507    0.612    
#---
#Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
#
#Residual standard error: 0.2878 on 997 degrees of freedom
#Multiple R-squared:  0.0004708,    Adjusted R-squared:  -0.001534 
#F-statistic: 0.2348 on 2 and 997 DF,  p-value: 0.7908

我发现此方法优于任何未显示与 summary(lm(y ~ x1+x2, data=df2))相同的调用的方法。