通过回归方程运行虚拟变量的所有组合

Question

我有一个问题，涉及从虚拟变量所有可能组合的回归中提取输出，同时保持连续预测变量不变。

问题是我的模型包含100多种交互组合，而手动计算所有这些组合将非常繁琐。有没有一种有效的方法来迭代计算输出？

我能想到的唯一方法是编写一个循环，该循环生成所有所需的组合，然后将其馈送到predict()函数中。

某些上下文：

我试图通过汽车模型来确定汽车转售​​价格的区域差异。

我的模型如下所示：

lm(data, price ~ age + mileage + region_dummy_1 + ... + region_dummy_n + model_dummy_1 + ... + model_dummy_n + region_dummy_1 * model_dummy_1 + ... + region_dummy_1 * model_dummy_n) 

我的问题是：

如何为每种型号/地区组合生成预测价格表？

Answer 1

使用.*.

lm(price ~ .*.)

---

这是一个可复制的小例子：

> df <- data.frame(y  = rnorm(100,0,1),
+                  x1 = rnorm(100,0,1),
+                  x2 = rnorm(100,0,1),
+                  x3 = rnorm(100,0,1))
> 
> lm(y ~ .*., data = df)

Call:
lm(formula = y ~ . * ., data = df)

Coefficients:
(Intercept)           x1           x2           x3        x1:x2        x1:x3  
   -0.02036      0.08147      0.02354     -0.03055      0.05752     -0.02399  
      x2:x3  
    0.24065 

---

它如何工作？

.是“所有预测变量”的简写，并且*包括双向交互项。

例如，考虑一个包含3列的数据框： Y（独立变量）和 2个预测变量（X1和X2）。语法lm(Y ~ X1*X2)是lm(Y ~ X1 + X2 + X1:X2)的简写，其中X1:X2是交互项。

扩展这个简单的案例，假设我们有一个包含3个预测变量的数据框，分别是 X1，X2和X3 。 lm(Y ~ .*.)等同于lm(Y ~ X1 + X2 + X3 + X1:X2 + X1:X3 + X2:X3)。