Question

我正在尝试使用前向逐步算法和BIC标准为线性模型选择变量。正如帮助文件所示，并且像往常一样，我写了以下内容：

model.forward<-lm(y~1,data=donnees)
model.forward.BIC<-step(model.forward,direction="forward", k=log(n), scope=list(lower = ~1, upper = ~x1+x2+x3), data=donnees)

k=log(n)表示我正在使用BIC。但R回归：

Error in extractAIC.lm(fit, scale, k = k, ...) : object 'n' not found

我之前从未真正问过自己这个问题，但我认为n应该在函数step中定义（它是每次迭代时模型中变量的数量）....无论如何，这个问题从未发生在我之前！重新启动R不会改变任何内容，我承认我不知道会导致此错误的原因。

以下是一些要测试的代码：

y<-runif(20,0,10)
x1<-runif(20,0,1)
x2<-y+runif(20,0,5)
x3<-runif(20,0,1)-runif(20,0,1)*y
donnees<-data.frame(x1,x2,x3,y)

有什么想法吗？

Answer 1

step(model.forward,direction="forward", 
         k=log(nrow(donnees)), scope=list(lower = ~1, upper = ~x1+x2+x3), 
         data=donnees)

或更一般地......

... k=log(nobs(model.forward)) ...

（例如，如果您的数据中有NA个值，那么nobs(model.forward)将与nrow(donnees)不同。另一方面，如果您有NA个值在您的预测变量中，无论如何都会在进行模型选择时遇到麻烦。）

与BIC的正向程序

1 个答案: