前向逐步回归

时间:2014-04-07 09:49:44

标签: r regression

在R逐步前向回归中,我指定了一个最小模型和一组要添加(或不添加)的变量:

min.model = lm(y ~ 1)
fwd.model = step(min.model, direction='forward', scope=(~ x1 + x2 + x3 + ...))

有没有办法指定在矩阵/ data.frame中使用所有变量,所以我不必枚举它们?

举例说明我想做什么,但它们不起作用:

# 1
fwd.model = step(min.model, direction='forward', scope=(~ ., data=my.data.frame))

# 2
min.model = lm(y ~ 1, data=my.data.frame)
fwd.model = step(min.model, direction='forward', scope=(~ .))

2 个答案:

答案 0 :(得分:18)

scope期望(引用帮助页?step

  

单个公式或包含的列表             组件'上'和'下',两个公式。见             有关如何指定公式及其方式的详细信息             使用

您可以提取并使用对应于"〜。"的公式。像这样:

> my.data.frame=data.frame(y=rnorm(20),foo=rnorm(20),bar=rnorm(20),baz=rnorm(20))
> min.model = lm(y ~ 1, data=my.data.frame)
> biggest <- formula(lm(y~.,my.data.frame))
> biggest
y ~ foo + bar + baz
> fwd.model = step(min.model, direction='forward', scope=biggest)
Start:  AIC=0.48
y ~ 1

       Df Sum of Sq    RSS      AIC
+ baz   1    2.5178 16.015 -0.44421
<none>              18.533  0.47614
+ foo   1    1.3187 17.214  0.99993
+ bar   1    0.4573 18.075  1.97644

Step:  AIC=-0.44
y ~ baz

       Df Sum of Sq    RSS      AIC
<none>              16.015 -0.44421
+ foo   1   0.41200 15.603  1.03454
+ bar   1   0.20599 15.809  1.29688
> 

答案 1 :(得分:1)

你可以像这样一步完成

fwd.model = step(lm(y ~ 1, data=my.data.frame), direction='forward', scope=~ x1 + x2 + x3 + ...)