[英]Model selection in R, do I include interactions between variables?
因此,我环顾了四周,似乎无法根据所发现的结果进行解决。
我正在尝试为我拥有的三种模型计算BIC,
resistivity1 = rho_i*(1 + (3/8)*lam*(1/thickness))
resistivity2 = rho_i(1 + (3/2)*lam*(1/grains)*(R/(1-R)))
resistivity3 = rho_i*(1 + (3/8)*lam*(1/thickness) + (3/2)*lam*(1/grains)*(R/(1-R)))
R,lam和rho_i是一些常量,现在我已经错过了它们-我对它们有特殊的值。
这就是我用R编写的
BIC(lm(formula = resistivity ~ 1 + (3/8)*I(1/thickness), data=z))
BIC(lm(formula = resistivity ~ 1 + (3/2)*I(1/grains), data=z))
BIC(lm(formula = resistivity ~ I(1 + (3/8)*I(1/thickness) + (3/2)*I(1/grains)), data=z))
如果有人需要知道,这就是我的数据头的样子,
| | thickness | grains | resistivity |
---------------------------------------|
| 1 | 524.4 | 1829 | 15.6 |
| 2 | 670.5 | 3155 | 450000.0 |
| 3 | 943.4 | 3859 | 22.1 |
| 4 | 1072.3 | 4585 | 10.9 |
基本上,我不知道我用R编写的内容是否与上面定义的模型相同。 是否还必须包括resistivity:thickness
, resistivity:grains
之间的相互作用?
提前致谢。
您可以在两个模型上运行anova
,一个模型有无交互。 它应该显示添加交互是否可以更好地解释您的数据。 否则,将其遗漏。
由于您没有提供可复制的示例,因此请参考以下示例:
anova(lm(y~a+b), lm(y~a+b+a:b))
告诉您是否添加交互a:b
可以改善模型。
在数据集(无意义的模型)上:
data(french_fries)
attach(french_fries)
anova(lm(potato ~ time + treatment), # model 1 with no interaction
lm(potato ~ time * treatment)) # model 2 with interaction
输出表明使用交互可以改善模型(降低RSS
),但效果不明显:
Analysis of Variance Table
Model 1: potato ~ time + treatment
Model 2: potato ~ time * treatment
Res.Df RSS Df Sum of Sq F Pr(>F)
1 683 8128.6
2 665 8012.6 18 115.93 0.5345 0.9422
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.