我希望能够做一个向前逐步回归,但约束预测变量的数量最大(在我的具体情况,三)。下面是一些样本数据。
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)
如果我要简单地使用下面的下面的代码运行的线性回归,我会得到所有五个预测变量,很明显。
myModel <- lm(myDep ~ ., data = myDF)
我想这样做使用步骤()或者其它的R命令来运行,其拍摄只有三个预测变量前进方向逐步然后停止。
对于什么是值得的,我尝试这样做:
step(lm(myDep ~ ., data = myDF), steps = 3, direction = "forward")
和结果如下 - 但不是我想要的东西,因为它使用所有五个预测变量。
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
我敢肯定有办法做到这一点,但我似乎无法找出正确的格式。提前致谢。
您可以使用regsubsets包R,在那里你可以限制变量和选择你的方法(“前进”)。
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)