- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在使用lm()做一个多线性回归模型,Y是响应变量(例如:利息回报),其他是解释变量(100多个案例,30多个变量)。
有某些变量被视为关键变量(关于投资),当我运行lm()函数时,R返回一个模型,其方形平方误差为97%。但是某些关键变量不是重要的预测指标。
是否可以通过将模型中的所有关键变量(作为重要预测变量)保留下来进行回归?调整后的R平方是否减小并不重要。
如果回归不起作用,是否还有其他方法?
谢谢!
=========================
数据集已上传
https://www.dropbox.com/s/gh61obgn2jr043y/df.csv
=========================
其他问题:
如果某些变量对上一期间到当前期间有影响,该怎么办?
例如:一个人早上吃早餐时吃药,吃药的效果可能在午餐后持续(他/她在午餐时吃了第二颗药)
我想我需要考虑数据转换。
*我的首选是加上结转率:obs.2_trans = obs.2 + c-o率* obs.1
*也许我还需要考虑药丸效应本身的衰减,因此也需要S曲线或指数变换。
以变量main1为例,我可以使用尝试方法从0.5开始获得理想的co速率和s曲线参数,并以0.05的步长进行测试,直至1或降至0,直到获得最高的模型得分-例如,最低的AIC或最高的R方。
这已经是一笔巨大的考验。
如果我需要同时测试三个以上的变量,该如何用R进行管理?
谢谢!
最佳答案
首先,关于“重要性”的注释。对于模型中包含的每个变量,线性建模程序包报告该变量的系数不同于零的可能性(实际上,报告为p=1-L
)。我们说,如果L较大(p较小),则系数“更大”。因此,尽管说一个变量比另一个变量“更重要”是很合理的,但是没有绝对的标准来断言“重要”与“不重要”。在大多数科学研究中,临界值是L>0.95
(p<0.05
)。但这是完全任意的,并且有许多例外。回想一下,欧洲核子研究中心(CERN)不愿意断言希格斯玻色子的存在,直到他们收集到足够的数据来证明其6σ的影响。这大致对应于p <1×10-9。在另一个极端,许多社会科学研究断言p <0.2的显着性(因为固有变异性更高,通常样本数量少)。因此,从模型中排除变量是因为它“不重要”,实际上没有任何意义。另一方面,您将很难包含一个具有较高p的变量,而要排除另一个具有较低p的变量。
其次,如果变量高度相关(在您的情况下就是如此),那么从模型中删除一个变量会极大地改变所有p值,这是很常见的。具有较高p值(较低显着性)的保留变量可能突然具有较低p值(较显着性),只是因为您从模型中删除了一个完全不同的变量。因此,尝试手动优化拟合通常是一个坏主意。
幸运的是,有许多算法可以为您完成此任务。一种流行的方法是从具有所有变量的模型开始。在每个步骤中,删除最低有效变量,并将生成的模型与上一步中的模型进行比较。如果删除此变量会严重降低模型的性能,则基于某些指标,该过程将停止。常用的度量标准是Akaike information criterion(AIC),在R中,我们可以使用stepAIC(...)
包中的MASS
根据AIC标准优化模型。
第三,回归模型的有效性取决于某些假设,尤其是这两个假设:误差方差是常数(不取决于y),误差分布近似正态。如果不满足这些假设,则p值完全没有意义!拟合模型后,我们可以使用残差图和Q-Q图检查这些假设。必须对任何候选模型都执行此操作!
最后,离群值的存在经常使模型严重失真(几乎可以定义!)。如果您的变量高度相关,则会放大此问题。因此,对于您而言,寻找异常值并查看将其删除会发生什么非常重要。
下面的代码将所有这些汇总起来。
library(MASS)
url <- "https://dl.dropboxusercontent.com/s/gh61obgn2jr043y/df.csv?dl=1&token_hash=AAGy0mFtfBEnXwRctgPHsLIaqk5temyrVx_Kd97cjZjf8w&expiry=1399567161"
df <- read.csv(url)
initial.fit <- lm(Y~.,df[,2:ncol(df)]) # fit with all variables (excluding PeriodID)
final.fit <- stepAIC(initial.fit) # best fit based on AIC
par(mfrow=c(2,2))
plot(initial.fit) # diagnostic plots for base model
plot(final.fit) # same for best model
summary(final.fit)
# ...
# Coefficients:
# Estimate Std. Error t value Pr(>|t|)
# (Intercept) 11.38360 18.25028 0.624 0.53452
# Main1 911.38514 125.97018 7.235 2.24e-10 ***
# Main3 0.04424 0.02858 1.548 0.12547
# Main5 4.99797 1.94408 2.571 0.01195 *
# Main6 0.24500 0.10882 2.251 0.02703 *
# Sec1 150.21703 34.02206 4.415 3.05e-05 ***
# Third2 -0.11775 0.01700 -6.926 8.92e-10 ***
# Third3 -0.04718 0.01670 -2.826 0.00593 **
# ... (many other variables included)
# ---
# Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
#
# Residual standard error: 22.76 on 82 degrees of freedom
# Multiple R-squared: 0.9824, Adjusted R-squared: 0.9779
# F-statistic: 218 on 21 and 82 DF, p-value: < 2.2e-16
par(mfrow=c(2,2))
plot(initial.fit)
title("Base Model",outer=T,line=-2)
plot(final.fit)
title("Best Model (AIC)",outer=T,line=-2)
initial.fit <- lm(Y~.,df[c(-33,-47,-85),2:ncol(df)])
final.fit <- stepAIC(initial.fit,trace=0)
summary(final.fit)
# ...
# Coefficients:
# Estimate Std. Error t value Pr(>|t|)
# (Intercept) 27.11832 20.28556 1.337 0.185320
# Main1 1028.99836 125.25579 8.215 4.65e-12 ***
# Main2 2.04805 1.11804 1.832 0.070949 .
# Main3 0.03849 0.02615 1.472 0.145165
# Main4 -1.87427 0.94597 -1.981 0.051222 .
# Main5 3.54803 1.99372 1.780 0.079192 .
# Main6 0.20462 0.10360 1.975 0.051938 .
# Sec1 129.62384 35.11290 3.692 0.000420 ***
# Third2 -0.11289 0.01716 -6.579 5.66e-09 ***
# Third3 -0.02909 0.01623 -1.793 0.077060 .
# ... (many other variables included)
关于r - R:保留某些变量的回归,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/23531781/
我正在从 Stata 迁移到 R(plm 包),以便进行面板模型计量经济学。在 Stata 中,面板模型(例如随机效应)通常报告组内、组间和整体 R 平方。 I have found plm 随机效应
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。 想改进这个问题?将问题更新为 on-topic对于堆栈溢出。 6年前关闭。 Improve this qu
我想要求用户输入整数值列表。用户可以输入单个值或一组多个值,如 1 2 3(spcae 或逗号分隔)然后使用输入的数据进行进一步计算。 我正在使用下面的代码 EXP <- as.integer(rea
当 R 使用分类变量执行回归时,它实际上是虚拟编码。也就是说,省略了一个级别作为基础或引用,并且回归公式包括所有其他级别的虚拟变量。但是,R 选择了哪一个作为引用,以及我如何影响这个选择? 具有四个级
这个问题基本上是我之前问过的问题的延伸:How to only print (adjusted) R-squared of regression model? 我想建立一个线性回归模型来预测具有 15
我在一台安装了多个软件包的 Linux 计算机上安装了 R。现在我正在另一台 Linux 计算机上设置 R。从他们的存储库安装 R 很容易,但我将不得不使用 安装许多包 install.package
我正在阅读 Hadley 的高级 R 编程,当它讨论字符的内存大小时,它说: R has a global string pool. This means that each unique strin
我们可以将 Shiny 代码写在两个单独的文件中,"ui.R"和 "server.R" , 或者我们可以将两个模块写入一个文件 "app.R"并调用函数shinyApp() 这两种方法中的任何一种在性
我正在使用 R 通过 RGP 包进行遗传编程。环境创造了解决问题的功能。我想将这些函数保存在它们自己的 .R 源文件中。我这辈子都想不通怎么办。我尝试过的一种方法是: bf_str = print(b
假设我创建了一个函数“function.r”,在编辑该函数后我必须通过 source('function.r') 重新加载到我的全局环境中。无论如何,每次我进行编辑时,我是否可以避免将其重新加载到我的
例如,test.R 是一个单行文件: $ cat test.R # print('Hello, world!') 我们可以通过Rscript test.R 或R CMD BATCH test.R 来
我知道我可以使用 Rmd 来构建包插图,但想知道是否可以更具体地使用 R Notebooks 来制作包插图。如果是这样,我需要将 R Notebooks 编写为包小插图有什么不同吗?我正在使用最新版本
我正在考虑使用 R 包的共享库进行 R 的站点安装。 多台计算机将访问该库,以便每个人共享相同的设置。 问题是我注意到有时您无法更新包,因为另一个 R 实例正在锁定库。我不能要求每个人都关闭它的 R
我知道如何从命令行启动 R 并执行表达式(例如, R -e 'print("hello")' )或从文件中获取输入(例如, R -f filename.r )。但是,在这两种情况下,R 都会运行文件中
我正在尝试使我当前的项目可重现,因此我正在创建一个主文档(最终是一个 .rmd 文件),用于调用和执行其他几个文档。这样我自己和其他调查员只需要打开和运行一个文件。 当前设置分为三层:主文件、2 个读
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。 想改进这个问题?将问题更新为 on-topic对于堆栈溢出。 5年前关闭。 Improve this qu
我的 R 包中有以下描述文件 Package: blah Title: What the Package Does (one line, title case) Version: 0.0.0.9000
有没有办法更有效地编写以下语句?accel 是一个数据框。 accel[[2]]<- accel[[2]]-weighted.mean(accel[[2]]) accel[[3]]<- accel[[
例如,在尝试安装 R 包时 curl作为 usethis 的依赖项: * installing *source* package ‘curl’ ... ** package ‘curl’ succes
我想将一些软件作为一个包共享,但我的一些脚本似乎并不能很自然地作为函数运行。例如,考虑以下代码块,其中“raw.df”是一个包含离散和连续类型变量的数据框。函数“count.unique”和“squa
我是一名优秀的程序员,十分优秀!