我有一个包含107个变量和1794个观测值的数据集。我想执行极限界限分析，以确定在整个回归过程中106个变量中的哪个变量与因变量牢固相关，每个变量都有不同的模型规格。我打算为我的最终模型选择最可靠的变量。
我正在使用Marek Hlavac的ExtremeBounds软件包。我正在尝试运行以下代码行：
free=eba(formula=flg_activacion_0_12~., data=Data1, k=0:106, reg.fun=glm, family=binomial(link='logit'), draws=100)
因变量
flg_activacion_0_12
是一个虚拟对象，这就是为什么我在族参数中选择二项式链接。
reg.fun参数用于R不运行OLS回归，而运行logit等广义线性模型。
我将k参数设置为0：106。这意味着我想确定变量在包含多达106个变量的模型中是否健壮。但是，要估计的模型总数将非常庞大。有106种可能的模型，仅包含一个解释变量。有106！/ [2！（104！）]个可能的模型，其中包括两个解释变量。参数draws = 100将模型的数量限制为100。只能运行从庞大的模型库中随机选择的100个模型，这些模型库可以编写为106个变量的组合。
我相信引数应该使我的计算机可以完成此任务，但是我收到以下错误消息：
All variables in argument 'focus' must be in the data frame.
Argument 'k' is too high for the given number of doubtful variables.
我已经检查过文档，并且由于我没有指定哪些变量是自由的，哪些是焦点，哪些是可疑的，因此应将所有106个变量都视为焦点。我不明白为什么它表明某些焦点变量不在我的数据框中。请告诉我我在做什么错，我该怎么做我打算做的事。
答案 0 :(得分：1)
我认为这里的问题在于公式参数。此代码也将导致相同的错误：
library(ExtremeBounds)
naive.eba <- eba(formula = mpg ~. , data = mtcars, k = 0:9)
如果您使用以下命令（如ExtremeBounds插图中所示），则该模型会很好用，该命令在公式中拼写了因变量：
naive.eba <- eba(formula = mpg ~ cyl + carb + disp + hp + vs + drat + wt + qsec + gear + am, data = mtcars, k = 0:9)