使用glm與data.table和預測變量和響應的參數化定義

Question

我想要做VIF測試，在數據集內運行連續迴歸，每次使用一個變量作爲響應，其餘爲預測變量。

爲此目的，我將把我的代碼放在一個for循環中，這個循環將給出將作爲響應使用的列的索引的連續值，並將其餘的值作爲預測值。

我要使用data.table封裝和I將使用基礎R發現mtcars數據集以產生可再現的例子：

data(mtcars) 
setDT(mtcars) 
# Let i-- the index of the response -- be 1 for demonstration purposes 
i <- 1 
variables <- names(mtcars) 
response <- names(mtcars)[i] 
predictors <- setdiff(variables, response) 
model <- glm(mtcars[, get(response)] ~ mtcars[, predictors , with = FALSE], family = "gaussian") 

然而，這導致一個錯誤消息：

錯誤model.frame.default（式= mtcars [，得到（響應）]〜 mtcars [，： 無效型（列表）爲變量 'mtcars [，預測，與= FALSE]'

你能解釋一下錯誤並幫我糾正代碼嗎？

您的建議將不勝感激。

============================================== ===============================

編輯：

再現代碼建議我得到了一個錯誤消息：

> library(car) 
> library(data.table) 
> 
> data(mtcars) 
> setDT(mtcars) 
> model <- glm(formula = mpg ~ .,data=mtcars , family = "gaussian") 
> vif(model) 
Error in (function (classes, fdef, mtable) : 
    unable to find an inherited method for function ‘vif’ for signature ‘"glm"’ 

更新：

沒有問題的代碼運行時，我明確指定的包，即：

car::vif(model) 

編輯2

我不得不修改弗雷德裏克的代碼如下得到所有變量的係數：

rhs <- paste(predictors, collapse ="+") 
full_formula <- paste(response, "~", rhs) 
full_formula <- as.formula(full_formula) 

Answer 1

另一種解決方案是基於使用的glm.fit：

model <- glm.fit(x=mtcars[, ..predictors], y=mtcars[[response]], family = gaussian()) 

Answer 2

如果你要計算你的預測，我建議在看的VIF vif功能包car。它會爲你做計算並推廣到具有多個自由度的預測因子，如因子。

要獲取所有的VIF你只甲肝

library(car) 
library(data.table) 

data(mtcars) 
setDT(mtcars) 
model <- glm(formula = mpg ~ .,data=mtcars , family = "gaussian") 
vif(model) 

---

至於你的錯誤，我認爲這是你混合了glm這需要一個公式和數據集，並glm.fit這需要設計矩陣和預測，按此順序。您在呼叫中擁有來自這兩個功能的概念。

要適合你的模式，我建議使用，因爲這將glm去給你一流的GLM帶有附加功能的對象，如做plot(model)而不是glm.fit，你只能得到相關的模型值的列表的能力。

在這種情況下，您只需要創建公式，看起來像：

library(data.table) 

data(mtcars) 
setDT(mtcars) 
# Let i-- the index of the response -- be 1 for demonstration purposes 
i <- 1 
variables <- names(mtcars) 
response <- names(mtcars)[i] 
predictors <- setdiff(variables, response) 


rhs <- paste(predictors, sep = " + ") 
full_formula <- paste(response, "~", rhs) 
model <- glm(formula = full_formula ,data=mtcars, family = "gaussian") 

與此相反：

model <- glm.fit(y=mtcars[, get(response)] , 
        x=mtcars[, predictors , with = FALSE], 
        family=gaussian())