试试这个

df<-data.frame(y=rnorm(10),x1=rnorm(10),x2=rnorm(10))
lm(y~.,df)

很好的答案！

我会添加默认情况下，调用formulaadata.frame创建一个加法公式以将第一列回归到其他列。

因此，对于@danas.zuokas 的答案，您甚至可以这样做

lm(df)

这是正确解释的。

如果每一行是一个观察值，每一列是一个预测变量，那么$Y$是一个$n$-长度向量和$X$是一个$n \times p$矩阵 （$p=100$在这种情况下），那么你可以这样做

Z = as.data.frame(cbind(Y,X))
lm(Y ~ .,data=Z)

如果您不想包含其他列作为预测变量，则必须X在使用此技巧之前将其删除，或-在模型公式中使用以排除它们。例如，如果您想排除第 67 个预测变量（具有相应的名称x67），那么您可以编写

lm(Y ~ .-x67,data=Z)

此外，如果您想包含交互等，您将需要手动添加它们（例如）

lm(Y ~ .+X[,1]*X[,2],data=Z)

或确保将它们作为X.

您还可以使用formula和paste函数的组合。

设置数据：假设我们有一个 data.frame，其中包含预测变量x1和x100我们的因变量y，但也有一个讨厌的变量asdfasdf。此外，预测变量按顺序排列，以使它们在 data.frame 中并非全部连续。

Data <- data.frame(matrix(rnorm(102 * 200), ncol=102))
names(Data) <- c(paste("x", 1:50, sep=""), 
    "asdfasdf", "y", paste("x", 51:100, sep=""))

还想象一下，您有一个包含预测变量名称的字符串。在这种情况下，可以使用该paste函数轻松创建它，但在其他情况下，grep或者可能使用其他方法来获取此字符串。

PredictorVariables <- paste("x", 1:100, sep="")

应用方法：然后我们可以构造一个公式如下：

Formula <- formula(paste("y ~ ", 
     paste(PredictorVariables, collapse=" + ")))
lm(Formula, Data)

• collapse参数插入预测+变量之间
• formula将字符串转换为适合lm函数的类公式对象。

更一般地说，当我想提供一个预测变量作为变量名的向量时，我经常使用以下函数。

regression <- function(dv, ivs, data) {
    # run a linear model with text arguments for dv and ivs
    iv_string <- paste(ivs, collapse=" + ")
    regression_formula <- as.formula(paste(dv, iv_string, sep=" ~ "))
    lm(regression_formula, data)

}

例如，

regression("y", PredictorVariables, Data)