Tidyverse使用列子集作为预测器获取lm（）残差的方法，但将所有列保留在输出中

我有一些数据如下：

dat=tibble var1=代表“A”和“B”，各=5 ，var2=rnorm10 ，var3=rnorm10 ，var4=rnorm10 ，var5=rnorm10 通过显式命名lm公式中要使用的列，我可以得到我想要的：

dat %>%
    #dat has columns: var1 through var5
    dplyr::group_by(var1) %>%
    dplyr::mutate(
        resids = resid(lm( var2 ~ var3 + var4 ))
    )

但实际上我的真实数据集中有很多列，我将使用的列的数量和名称会有所不同。我知道那些我不想要的名字，所以我想这样行：

dat%>% dat有以下列：var1到var5 dplyr:：group_byvar1%>% dplyr：：突变 剩余=剩余 公式=var2~。 ，数据=.%>%选择-var1，-var5

---

但这似乎不起作用。有什么建议吗？

既然您知道不在模型右侧的变量，一种选择是将这些名称放入向量中，然后为lm构建公式。这意味着在管道链之外多做一步

构建公式是一种相对常见的方法，例如，生成拟合模型的函数。我写了一篇博客来展示这种方法

在本例中，您可以根据不需要的变量，将模型中需要的变量的名称作为字符向量提取出来

modvars = dat %>%
     select(-var1, -var5, -var2) %>%
     names()
modvars
[1] "var3" "var4"

将变量粘贴在一起后，可以使用as.formula构建模型拟合的公式。这就是它的样子：

as.formula(paste("var2 ~", paste(modvars, collapse = "+") ) )
var2 ~ var3 + var4

更容易的是，通过@BenBolker的评论重新制定方法

reformulate(modvars, response = "var2")
var2 ~ var3 + var4

您可以在管道链外部构建此对象，也可以将其直接放入链中。这里我做后者

dat %>%
     dplyr::group_by(var1) %>%
     dplyr::mutate(
          resids = resid(lm( 
               formula = reformulate(modvars, response = "var2") )
          )
     )
# A tibble: 10 x 6
# Groups:   var1 [2]
   var1     var2    var3    var4    var5 resids
   <chr>   <dbl>   <dbl>   <dbl>   <dbl>  <dbl>
 1 A      0.0792  0.265   0.637  -0.106   0.386
 2 A     -0.845   0.386   1.20    1.55   -0.232
 3 A      0.465   1.12   -0.750   0.726  -0.141
 4 A     -0.365  -1.19    0.174   0.347  -0.126
 5 A      0.395  -0.0515 -0.464  -0.0934  0.112
 6 B     -2.83   -0.0664 -0.0958  0.588  -1.99 
 7 B      0.383   1.16   -0.339   0.492   0.838
 8 B      1.35    0.270   2.40    0.626  -0.512
 9 B      0.620  -1.33    1.32   -0.148   0.688
10 B      0.664  -0.0487  0.426  -0.158   0.973

残差与您的原始方法相匹配，您在其中写出了公式：

dat %>%
     #dat has columns: var1 through var5
     dplyr::group_by(var1) %>%
     dplyr::mutate(
          resids = resid(lm( var2 ~ var3 + var4 ))
     )

# A tibble: 10 x 6
# Groups:   var1 [2]
   var1     var2    var3    var4    var5 resids
   <chr>   <dbl>   <dbl>   <dbl>   <dbl>  <dbl>
 1 A      0.0792  0.265   0.637  -0.106   0.386
 2 A     -0.845   0.386   1.20    1.55   -0.232
 3 A      0.465   1.12   -0.750   0.726  -0.141
 4 A     -0.365  -1.19    0.174   0.347  -0.126
 5 A      0.395  -0.0515 -0.464  -0.0934  0.112
 6 B     -2.83   -0.0664 -0.0958  0.588  -1.99 
 7 B      0.383   1.16   -0.339   0.492   0.838
 8 B      1.35    0.270   2.40    0.626  -0.512
 9 B      0.620  -1.33    1.32   -0.148   0.688
10 B      0.664  -0.0487  0.426  -0.158   0.973

---

这里的问题不是子专题，而是对主题的混淆。在公式中。这是指变量还是指数据

与此相关的还有其他问题，即选择。您应该使用dodata={.}%>%subset-var1，var5，而不是您所拥有的，或者简单地使用data=subset.，-var1，-var5。如何解决这个问题：

使用nest+unest

通过嵌套，分组变量将自动从数据中删除：

dat %>%
  nest_by(var1) %>%
  mutate(resid = list(resid(lm(formula = var2 ~ .-var5, data = data))))%>%
  unnest(c(data, resid))

使用分组+汇总

---

您的代码无效，因为特殊符号无效。在数据中=.%>%select-var1，-var5实际上是尚未分组的输入数据。在dplyr 1.0.0之后，cur_data解决了这个问题，它给出了当前组的当前数据，不包括分组变量

dat %>%
  group_by(var1) %>%
  mutate(
    resids = resid(lm(var2 ~ ., cur_data() %>% select(-var5)))
  )

请注意，我使用select-var5而不是selectivar1，-var5，因为cur_数据排除了分组变量，即var1，因此selectivar1，-var5将得到一个错误：

无法子集不存在的列

作为@IRTFM注释，您还可以在传递给lm之前选择变量。记住使用当前数据而不是

---

在这里，您仍然不需要在select中排除var1，因为无法排除分组变量。

dat在哪里？您能将dputdat和add添加到问题中吗？@Duck我在开始时添加了代码来生成一个虚拟数据集。@IRTFM因为，正如标题中所述，我想在输出中保留所有原始列，只需将剩余列添加为一个新列。是的，这是可行的，但不是很tidyverse风格，与接受的答案相反。@IRTFM无错误并不意味着它是正确的……请检查lm的输出。在传递到lm后，group_by毫无意义，因此var1仍然包含在模型中，并且有一个系数估计值。不要忘记重新格式化。。。reformulatemodvars，response=var2I我认为我从未使用过reformulate@BenBolker，这看起来非常棒。谢谢

dat %>%
  group_by(var1) %>%
  mutate(
    resids = resid(lm(var2 ~ ., cur_data() %>% select(-var5)))
  )

dat %>%
  group_by(var1) %>%
  select(-var5) %>%
  mutate(
    resids = resid(lm(var2 ~ ., cur_data()))
  )