R-回归变量变换函数

我在SAS中编写了一个宏，它实现了我想要的功能，但现在我想在R中得到一个函数，它也可以实现同样的功能

我想要一个函数，它可以以任何方式转换特定的预测变量，然后使用每个转换构建单独的回归模型，然后比较结果

例如，考虑下面的线性回归模型：

lm(y ~ x1 x2,data=df)

我想用三种不同的方法对x1进行变换，取对数，取平方，取其.5的幂，然后建立三次回归方程，每次变换一次，然后比较结果

有没有可以构建的功能，或者其他可以为我实现这一点的功能

---

谢谢。

此功能可能需要改进。向@thelatemail致敬

lm.3Trans = function(y, x1, x2, transformations = c(log,sqrt,pwer)){
  pwer = function(x, p = 2) poly(x,p)
  res = lapply(transformations, function(f) lm(y ~ f(x1) + x2))
  res
}

这将把您的模型输出到一个列表中，然后您可以执行如下操作：

lapply(lm.3Trans(y,x,x1), summary)

获取更详细的摘要

---

也许值得扩展这个函数，用一个公式，或者用另一个论点来确定应该转换哪个预测值。请让我知道这是否有用

此功能可能需要改进。向@thelatemail致敬

lm.3Trans = function(y, x1, x2, transformations = c(log,sqrt,pwer)){
  pwer = function(x, p = 2) poly(x,p)
  res = lapply(transformations, function(f) lm(y ~ f(x1) + x2))
  res
}

这将把您的模型输出到一个列表中，然后您可以执行如下操作：

lapply(lm.3Trans(y,x,x1), summary)

获取更详细的摘要

---

也许值得扩展这个函数，用一个公式，或者用另一个论点来确定应该转换哪个预测值。请让我知道这是否有用

类似于：

lappy（c（log，sqrt），函数（f）lm（y~f（x），data=df））

应该这样做。如果有人想在这方面展开讨论，那就去做吧。类似这样的事情：

lappy（c（log，sqrt），function（f）lm（y~f（x），data=df））

应该可以做到。如果有人想对此进行扩展，那就去做吧。将

x^p

替换为

poly（x，p）

——数值更稳定，我觉得这太棒了。我试图修改我的回归模型，它有76个变量。我试图告诉它转换变量，然后使用所有可用变量执行回归。不过我有一个错误。（

lm.3Trans=function（y，x1，transformations=c（log，sqrt，pwer））{pwer=function（x，p=2）poly（x，p）res=lappy（transformations，function（f）x1我能问几个细节吗？你想把这3个变换只应用到回归中的一个预测值上吗？还是你想把它应用到每个预测值上？@SamPassmore我只想把它应用到一个预测值上。这样我就可以看到哪一个变换只对单个预测值产生了最好的结果。替换
x^p与
poly（x，p）
--数值上更稳定我，这太棒了。我正试图修改我的回归模型，它有76个变量。我试图告诉它转换变量，然后使用所有可用的变量执行回归。但我得到了一个错误。（
lm.3Trans=函数（y，x1，变换=c（log，sqrt，pwer））{pwer=function（x，p=2）poly（x，p）res=lappy（变换，函数（f）x1我能问几个细节吗？你想把这3个变换只应用于回归中的一个预测值吗？还是你想把它应用于每个预测值？@SamPassmore我只想把它应用于一个预测值。这样我就可以看到哪一个变换只对单个预测值产生了最好的结果。