“：”和“|”之间的区别在 R 线性建模中

Posted 2023-02-21

【中文标题】“：”和“|”之间的区别在 R 线性建模中

【英文标题】：Difference between ":" and "|" in R linear modeling

【发布时间】：2012-03-07 00:24:07

【问题描述】：

在R中构建线性模型时，以下两种说法有什么区别：

lm(y ~ x | z)
lm(y ~ x : z)

lm function documentation 记录了: 运算符，如下所示：

first:second 形式的规范表示通过将 first 中的所有术语与 second 中的所有术语的交互作用获得的术语集。

该页面上没有提到| 语法。有什么区别？

【问题讨论】：

|仅用于条件模型和方差分析，因此在 lm 调用中没有意义。实际上应该有一个错误抛出。

不，对于数值数据非常有效。但是，不适用于因子数据。根据R.Version()，我正在使用“R 版本 2.14.1 (2011-12-22)”。

如果 | lm 中没有错误，我敢打赌，这是因为它实际上是在对被强制返回数字的数据进行逻辑“或”评估。

@John - 很好的想法，这可能就是为什么它不适用于因子，因为它们都是虚拟变量，不能以相同的方式强制。

您可以在这里找到所有运算符？公式。

【参考方案1】：

: 用于交互。在您的示例lm(y ~ x : z) 中，公式的意思是“y 取决于x 和z 之间的交互作用。

通常，您不会在这样的线性回归中包含交互，除非您还包含单独的术语 x 和 z。 x * z 是 x + x:z + z 的缩写。

AFAIK，| 根本不被 lm 使用。它肯定不会出现在demo("lm.glm", "stats") 的任何示例中。它用于nlme 包中的混合效果模型。

来自?intervals.lme的例子：

model <- lme(distance ~ age, Orthodont, random = ~ age | Subject)
ranef(model)

这里的| 表示“分组依据”。也就是说，每个受试者都适合不同的年龄随机效应。 （查看ranef(model)，可以看到每一行对应一个人（主题）的随机效应。）

【讨论】：

不错的答案，但您能详细说明“每个主题都适合不同的年龄随机效应”吗？这对我来说不是很清楚......谢谢

lm(y ~ x + x:z + z + k)和lm(y ~ x*z + k)有区别吗？

@sop 他们是一回事。如果您需要说服，请尝试使用真实的数据集。