计算PRE的意义(误差比例减少)

时间:2015-09-22 17:52:07

标签: r statistics

我正在尝试计算两个线性模型的PRE的重要性。我的所有变量都是连续的(所以我不能使用DAMisc包)。我尝试使用以下R代码手动完成,但是在测试时我一直在拿NaN。我做错了什么?

library(psych)
modelC<-lm(reason.4~reason.16,data=iqitems)
modelA<-lm(reason.4~reason.16+reason.17,data=iqitems)

SSEC<-sum(modelC$residuals^2) #2019
SSEA<-sum(modelA$residuals^2) #1977
PRE=(SSEC-SSEA)/SSEC #0.02
pA<-2
pC<-1
n<-min(summary(modelA)$df)+1 #4
deg_freedom<-min(summary(modelA)$df) #3
Fvalue <- (PRE/(pA-pC))/((1-PRE)*(n-pA)) #0.0105
pf(Fvalue,pC-pA,deg_freedom,lower.tail=FALSE) #NaN

1 个答案:

答案 0 :(得分:0)

pf函数的第二个参数是f统计量的分子的自由度,第三个参数是f统计量的分母的自由度。

第二个参数的自由度为-1,现在为pC - pA = 1 - 2 = -1。这就是给你错误的原因,因为自由度是非负的。我没有PRE的经验,我认为你需要:

#second argument being pA - pC = 1
> pf(0.0105, 1, 3,lower.tail=FALSE)
[1] 0.9248493