我试图在R中使用MFP功能，就像我在Stata中使用等效命令一样。通常在Stata中运行线性回归时，我会在命令mfp之前使用命令regress，而Stata会给出最好的＆＃39;回归模型中协变量的变换。例如。在Stata我使用命令
mfp: regress variable1 variable2
R中的库（mfp）中似乎有一个函数mfp，我想使用它。
e.g。在R：
summary(mfp(variable1 ~ fp(variable2)))
这给了我回归的结果，但R强迫它以某种方式进入GLM模型。这样做的缺点是，与线性模型（LM）相比，我没有获得整体R平方。
有人知道如何用R中的功能MFP进行LM吗？
答案 0 :(得分：1)
我不知道R中的回归，但是这个问题可以从任何统计包中的第一原则回答。 R平方是在包括截距的多元线性回归中观察到的和预测的响应之间的Pearson相关性的平方。 （例如Draper和Smith，1966，第62页）。所以1）将R回归的预测值添加到数据集中; 2）计算响应之间的Pearson相关性 r ＆amp;预测值; 3）方 r 。
参考文献： NR Draper和H Smith（1966）Applied Regression Analysis，Wiley，NY。 http://en.wikipedia.org/wiki/Multiple_correlation
答案 1 :(得分：1)
从mfp的帮助功能开始，使用（使用示例代码）：
model1 <- mfp(variable1 ~ fp(variable2), family=gaussian, data=...)
summary(model1)
您可以使用以下代码计算R平方：
cor(model1$Y, model1$fitted.values)^2