[英]Constrain number of predictor variables in stepwise regression in R
我希望能夠進行正向逐步線性回歸,但將預測變量的數量限制為最大值(在我的特定情況下為三個)。 這是一些示例數據。
set.seed(123)
myDep <- runif(100)
pred1 <- myDep + runif(100)
pred2 <- myDep + rnorm(100)
pred3 <- myDep + runif(100) + rnorm(100)
pred4 <- myDep + runif(100) + runif(100)
pred5 <- runif(100)
myDF <- data.frame(myDep, pred1, pred2, pred3, pred4, pred5)
如果我使用下面的代碼簡單地運行線性回歸,顯然我會得到所有五個預測變量。
myModel <- lm(myDep ~ ., data = myDF)
我想做的事情是使用 step() 或其他 R 命令逐步運行正向運行,只選擇三個預測變量然后停止。
對於它的價值,我試過這個:
step(lm(myDep ~ ., data = myDF), steps = 3, direction = "forward")
結果如下——但不是我想要的,因為它使用了所有五個預測變量。
Start: AIC=-378.09
myDep ~ pred1 + pred2 + pred3 + pred4 + pred5
Call:
lm(formula = myDep ~ pred1 + pred2 + pred3 + pred4 + pred5, data = myDF)
Coefficients:
(Intercept) pred1 pred2 pred3 pred4 pred5
-0.16617 0.30043 0.07983 0.03670 0.17869 0.01606
我確信有一種方法可以做到這一點,但我似乎無法弄清楚正確的格式。 提前致謝。
您可以在 R 中使用 regsubsets 包,您可以在其中限制變量並選擇您的方法(“轉發”)。
https://www.rdocumentation.org/packages/leaps/versions/2.1-1/topics/regsubsets
library(regsubsets)
b <- regsubsets(myDep ~ ., data=myDF, nbest=1, nvmax=[enter your max # of predictors])
summary(b)
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.