如何在R中使用数据头作为变量名

我试图在

R

中运行逐步回归，其中包含600多个变量，作为.csv文件头中的列名

如何将列名用作回归方程中的变量

我对这一点非常陌生，我对它的理解有限，我可以将该列保存为列表，并将其用于运行glm eg

---

model.1如果您正确读取了数据（如上面评论中指定的
header=TRUE
），那么您应该得到一个600多列的数据框（1列表示
x
响应，一列表示每个预测变量）：我现在称之为
mydata
。在这种情况下，正如@Tylerlinker建议的那样，您可以只包含所有预测值：
glm（x~，data=mydata，family=poisson）
（logit链接是默认链接；如果您想明确指定它，可以说
glm（x~，data=mydata，family=poisson（link=“logit”））
。然后可以使用批量包装中的
step
或
stepAIC

然而，我必须补充一点，除非你知道自己在做什么，否则从统计学的角度来看，对600个变量进行逐步回归是一个非常非常糟糕的想法（谷歌类似“逐步回归问题”或“逐步回归哈勒尔”）。我强烈建议您看看类似于
glmnet
的软件包，该软件包采用了一种更合理的方法来使用大量预测值进行建模。
如果您正确读取了数据（例如，如上面注释中指定的
header=TRUE
），您应该得到一个600+列的数据框（1列对应于
x
响应，1列对应于每个预测变量）：我现在称之为
mydata
。在这种情况下，正如@Tylerlinker建议的那样，您可以包括所有预测变量：
glm（x~，data=mydata，family=poisson）
（logit链接是默认链接；如果要明确指定它，可以说
glm（x~，data=mydata，family=poisson（link=“logit”））
。然后可以使用MASS包中的
step
或
stepAIC

然而，我必须补充一点，除非你知道自己在做什么，否则从统计学的角度来看，对600个变量进行逐步回归是一个非常非常糟糕的想法（谷歌类似“逐步回归问题”或“逐步回归哈勒尔”）。我强烈建议您看看类似于
glmnet
的软件包，它采用了一种更合理的方法来使用大量预测值进行建模。
也许您不必使用
~。
而使用：
lm（mpg~，data=mtcars）
当您使用选项
header=TRUE
将文件读入R时，列名就是变量名。也许您不必使用
~。
而使用：
lm（mpg~，data=mtcars）
当您使用选项
header=TRUE将文件读入R时，列名就是变量名。谢谢@Tyler，@Patrick！@Ben！谢谢您提供的其他建议，正如您正确指出的那样，循序渐进不是一个好主意。我已经探索了glmnet包，它看起来对我的工作非常有希望。谢谢@Tyler，@Patrick！@Ben！感谢您提供更多的建议，正如您正确地指出的，循序渐进不是一个好主意。我已经探索了glmnet软件包，它看起来对我的工作非常有希望。