扩展回归模型在R

Question

我正在做一个回归，几个分类变量和连续变量混合在一起。为了简化我的问题，我想创建一个回归模型，预测驾驶时间给予不同区域的某个驾驶员驾驶里程。这就是说，我的训练数据中有5个不同的车手和2个区域。

我知道我可能需要建立5 * 2 = 10的回归模型进行预测。我在R中使用的是

m <- lm(driving_time ~ factor(driver)+factor(zone)+miles) 

但是好像R不会扩大组合。我的问题是，如果有任何聪明的方式在R中自动进行扩展，或者我必须逐一编写10个回归模型。谢谢。

Answer 1

请阅读?formula。公式中的+表示将该变量作为主要效果。您似乎在寻找driver和zone之间的互动用语。您使用:运算符创建交互术语。还有一个捷径，通过*运营商获得主要和互动效果。

有一些困​​惑，你是否想miles也相互作用，但我会在这里假设不是因为你只提到2×5项。

foo <- transform(foo, driver = factor(driver), zone = factor(zone)) 
m <- lm(driving_time ~ driver * zone + miles, data = foo) 

这里我假设你的数据在数据帧foo。第一行由拟合之前转换感兴趣的变量因素分开模型规格/拟合数据处理。

该公式然后指定driver和zone的主效果和交互效果以及miles的主效果。

如果你想所有三个则之间的相互作用：

m <- lm(driving_time ~ driver * zone * miles, data = foo) 

或

m <- lm(driving_time ~ (driver + zone + miles)^3, data = foo) 

会为你做的。