安装AIC准则使用前进法后退法和逐步回归法进行变量选择的r语言代码

最新推荐文章于 2024-08-20 20:49:02 发布

TJ统计

最新推荐文章于 2024-08-20 20:49:02 发布

阅读量1.4w

点赞数 4

文章标签： r语言 AIC准则前进法后退法逐步回归法

本文链接：https://blog.csdn.net/li603060971/article/details/49508195

版权

本文展示了如何在R语言中利用AIC(Akaike Information Criterion)准则，通过前进法、后退法和逐步回归法进行变量选择。通过分析提供的数据集，演示了这些方法在构建回归模型时如何选择最佳变量组合。

摘要由CSDN通过智能技术生成

setwd("C:/Users/IBM/Desktop/研一课程/2.2回归分析/回归作业") #设定当前的工作目录
shuju=read.table("shuju.txt",header=T)
shuju #读取数据
#采用AIC原则自动选择模型-前进法
shuju.reg1<- lm(y~.,data=shuju[,-1])
shuju.regforward2 <- step(shuju.reg1,direction="forward")#按照AIC原则自动选择模型
summary(shuju.regforward2)
#采用AIC原则自动选择模型-后退法
shuju.reg2<- lm(y~.,data=shuju[,-1])
shuju.regbackward2 <- step(shuju.reg2,direction="backward")#按照AIC原则自动选择模型
summary(shuju.regbackward2)
#采用AIC原则自动选择模型-逐步回归法
shuju.reg3<- lm(y~.,data=shuju[,-1])
shuju.regboth <- step(shuju.reg3,direction="both")#按照AIC原则自动选择模型
summary(shuju.regboth)

#计算方差扩大因子VIF
shuju.reg=lm(y~x1+x2+x3+x4+x5+x6+x7,data=shuju)
library(car)
vif(shuju.reg)#计算得方差扩大因子

#计算条件数condition index
X3<-cbind(shuju$x1,shuju$x2,shuju$x3,shuju$x4,shuju$x5,shuju$x6,shuju$x7)
CX<-cor(X3)#变换后所得的X'X其实就是相关系数阵
sqrt(kappa(CX,exact=T))#与SPSS的结果略有区别
eigen(CX)#求特征根和特征向量

#剔除一些不重要的解释变量
#先剔除x4
drop1(shuju.reg,scope="x4",test='F')
shuju.reg2 <- update(shuju.reg,~.-x4)
vif(shuju.reg2)
#再剔除x5
drop1(shuju.reg2,scope="x5",test='F&