我正在寻找最适合包含三个变量的数据：x，y，m，使用R。
为此，我使用函数“polym”，如：
fit <- lm(y~polym(x, m, degree = 2, raw=TRUE))
我对3级做同样的事情，然后我与ANOVA测试进行比较，看看哪个更好。
但是，对于给定的度数，创建的多项式具有所有可能的组合。例如，如果我将degree = 2，则创建的多项形将为：
y = C0 + C1*x + *C2*x^2 + C3*x*m + C4*m^2
实际上，2度多项式也可以是：
y = C0 + C1*x + *C2*x^2 + C3*x*m
或
y = C0 + C1*x + C2*x*m + C3*m^2
（没有术语x ^ 2或m ^ 2）
我不认为函数“polym”正在考虑那些情况，因为我已经生成了110次回归（通过改变x和y的值），并且2度的所有关系都具有所有可能的系数（相同的其他学位）。
如果你知道的话，“polym”（或者更好的函数......）如何产生多项式作为我写的最后两个？
答案 0 :(得分：1)
首先，你的第二个等式只是第一个等式（原始）c3 = 0.除非你有理论上的理由要省略混合项，否则lm将决定混合项的系数是否应为零。如果你坚持，poly by column的输出是不同的度数。检查显示poly的第4列是你不想考虑的混合术语，所以fit＆lt; -lm（y~polym（x，m，degree = 2，raw = TRUE）[， - 4] ）会迫使回归考虑除混合术语之外的所有术语。