我试图选择最佳模型通过它的AIC。我得到这个代码,我被告知这是自动进行GLM模型的组合,但我真不明白它是如何的作品。
可能有人可以解释我是如何工作的简单的话,如何能使其运行,因为我不能。
library(MuMIn)
as.list(rep(NA, 44)) ->models
for (i in 1:44) {
glm(log(Tbra+1)~bats[,i],data=bats)-> models[[i]]
}
names(models)<-names(bats)[7:50]
model.sel(models)
编辑1
我对这个代码更多的问题。
as.list(rep(NA, 44)) ->models
什么手段(NA,44)?该列表是如何形成的?我想知道的是,名单必须从数据库中进行,但这个代码做了空单,我不明白为什么。
2.
for (i in 1:44) {
glm(log(Tbra+1)~bats[,i],data=bats)-> models[[i]]
}
据我所知,GLM由“蝙蝠”的数据做出的,但它需要的是蝙蝠的名单,对不对?那么它是如何做。起初我以为,也许这指的是由as.list等制成的名单:
as.list(rep(NA, 44)) ->bats
for (i in 1:44) {
glm(log(Tbra+1)~bats[,i],data=bats)-> models[[i]]
}
不过,这并不做的事情。有什么想法吗?
循环使得模型的列表。每个模型试图预测log(Tbra + 1)
使用单个可变从数据的响应。然后函数model.sel()
需要在列表中,评估每个人的AIC然后将其显示在一个表格,表格中每个变量的数似然等系数沿