R 计算公式中的变量

我想计算进入公式右侧的变量数量。有没有这样的函数

例如：

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

---

y您可能需要查看
公式的帮助页面中链接的一些相关函数。尤其是，
术语
：

> 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>

术语（f）
y~x1+x2+x3+x4
属性（，“变量”）
列表（y、x1、x2、x3、x4）
属性（，“因子”）
x1x2x3x4
y 0 0 0 0 0
x1 100 0 0
x20100
x3 0 1 0
x401
属性（，“术语标签”）
[1] “x1”“x2”“x3”“x4”
属性（，“订单”）
[1] 1 1 1 1
属性（，“截取”）
[1] 1
属性（，“响应”）
[1] 1
属性（，“.Environment”）

请注意“term.labels”属性。
这里有两种可能性：

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

length(all.vars(update(f, z ~.))) - 1

根据您的评论，这可能取决于您如何拟合模型

对于线性模型，这些答案都给出了
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

此处
qr
是用于拟合模型的矩阵
qr分解。它将包含感兴趣的参数数量

您还可以从
model.frame
中找到哪些变量是因子，例如：

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

或者更一般地使用
.getXlevels
，它将为您提供预测端每个因子的唯一值列表，如中所示：

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

更新

@马克·米勒正在爬上一棵更好的树。如果您的模型具有可用的
AIC
-类型方法，您应该能够使用该方法获取参数的数量。
对于
lm
，它是
stats
中的一个隐藏S3方法，因此如下所示：

stats:::extractAIC.lm(l1)[[1]] -1

如果您想计算估计参数的数量，正如您在G.Grothendieck回答下面的评论所建议的，您可以尝试下面的代码。我在误差项的系数中加了一个，就像AIC一样

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

非常感谢。然而，如果我包括一个因子变量，它只算作一个。这有什么办法吗？例如：对于F，这是一个与您在帖子中提出的问题不同的问题。@BUML1290您需要更新您的问题，以获得有关公式中因子的答案。请注意，变量和术语之间存在差异。该问题涉及的是公式，而不是模型。
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

# 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