Statistic Helper 开发自查帮助文档（五）：Sliced Inverse Regression

本次仅介绍一个内容，SIR，SIR的基本原理有点像非参里的naive density估计，是使用x的附近观察值给定回归值。我们使用在dr包中的dr()来实现。

首先产生模拟数据

# Simulate data 
set.seed(10) 
n <- 100 
p <- 5 
epsilon <- rnorm(n) 
X <- matrix(rnorm(n*p), n, p) 
beta <- c(1,1,1,1,0) 
y <- X%*%beta + epsilo

# SIR 
library(dr)  
H <- 10 
fit <- dr(formula =y~ X, nslices = H, method = "sir") 
summary(fit)

进一步处理

 egv <- fit$evalues # extract eigenvalues 
 evec <- fit$evectors # extract eigenvectors 
 round(egv,3)

卡方检验

# chi square test 
Kval <- 0:3 # values of K to test 
statistic <- matrix(0, length(Kval), 5) # matrix for storing statistics and p-values 
for (i in 1:length(Kval)){ 
	K <- Kval[i] # value of K 
	statistic[i,1] <- K + C