广义线性回归模型

itszy

已于 2022-11-07 16:16:12 修改

阅读量2.3k

点赞数

分类专栏： R语言

于 2022-03-19 15:57:27 首次发布

本文链接：https://blog.youkuaiyun.com/itszy/article/details/123578991

版权

广义线性模型股票交易回归分析滞后变量预测准确率

关键词由优快云通过智能技术生成

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

文章目录

前言
一、广义线性回归模型
二、数据集简介
三、使用步骤

前言

提示：glm被用于拟合广义线性模型，特别是通过给出对线性预测子的符号描述以及对误差分布的描述

一、广义线性回归模型

glm(formula, family = gaussian, data, weights, subset,
    na.action, start = NULL, etastart, mustart, offset,
    control = list(...), model = TRUE, method = "glm.fit",
    x = FALSE, y = TRUE, contrasts = NULL, ...)

formula	数据关系/模型的描述，举例：group~性别+年龄+体重+身高+吸烟定性+饮酒定性，Y：group，X：性别，年龄，体重，身高，吸烟定性，饮酒定性
family	响应变量（因变量/Y）的分布类型，需要自己根据响应变量分布情况在参数里定义
family 种类(默认连接函数)

binomial(link = "logit")#响应变量服从二项分布，连接函数为logit，即logistic回归
binomal(link=’probit’) #响应变量服从二项分布，连接函数为probit
gaussian(link = "identity")
Gamma(link = "inverse")
inverse.gaussian(link = "1/mu^2")
poisson(link = "log")#响应变量服从泊松分布，即泊松回归
quasi(link = "identity", variance = "constant")
quasibinomial(link = "logit")
quasipoisson(link = "log")

data	 可选择数据库，列表等
weights	 是一个可选择向量，在模型拟合过程中可以“优化权重”，应该设置成NULL或者一列数字向量
subset	 是一个可选择的向量，具体化在拟合过程的观察亚组
na.action	 指示缺失值处理
start	 线性预测子参数的起始值
etastart	 线性预测子的起始值
mustart	  均数向量的起始值
offset	可以被用来在拟合过程中具体化要被纳入线性预测子的优先已知部分，应该设置为NULL或者长度和案例一样的数字向量。
control	 控制拟合过程参数的列表
model	 指示model frame模型框是否应该被包含返回值的部分的逻辑变量
a logical value indicating whether model frame should be included as a component of the returned value.
method	用于拟合模型的方法，默认方法是"glm.fit"： 迭代重新加权最小二重法iteratively reweighted least squares (IWLS)，选择"model.frame"返回模型框并且不会拟合。
x, y	逻辑值指示被用于拟合过程的反应向量和模型矩阵是否应该被作为返回值的部分
contrasts	 一个可选择的列表
intercept	  逻辑，截距是否应该被包括在空模型里
object	可以从 "glm"类型里继承的对象
type	特征和偏好匹配被允许，从被拟合模型对象里提取出的权重类型，可以缩写

提示：以下是本篇文章正文内容，下面案例可供参考

二、数据集简介

示例数据来自同上文随机森林一样来源于网上比较流行的股票交易回报数据。下面是该数据集的说明：

The variables are:

Year: The year that the observation was recorded
Lag1: Percentage return for previous week
Lag2: Percentage return for 2 weeks previous
Lag3: Percentage return for 3 weeks previous
Lag4: Percentage return for 4 weeks previous
Lag5: Percentage return for 5 weeks previous
Volume: Volume of shares traded (average number of daily shares traded in billions)
Today: Percentage return for this week
Direction: A factor with levels Down and Up indicating whether the market had a positive or negative return on a given week

三、使用步骤

1.引入库和读入数据

代码如下（示例）：

library(ISLR)
library(broom)
library(tidyverse)
library(ggplot2)
library(MASS)
library(class)
library(caret)
library(e1071)
data <- read.csv('weekly.csv')

2.简单分析

代码如下（示例）：

#描述性统计分析
summary(data)
      Year           Lag1               Lag2               Lag3         
 Min.   :1990   Min.   :-18.1950   Min.   :-18.1950   Min.   :-18.1950  
 1st Qu.:1995   1st Qu.: -1.1540   1st Qu.: -1.1540   1st Qu.: -1.1580  
 Median :2000   Median :  0.2410   Median :  0.2410   Median :  0.2410  
 Mean   :2000   Mean   :  0.1506   Mean   :  0.1511   Mean   :  0.1472  
 3rd Qu.:2005   3rd Qu.:  1.4050   3rd Qu.:  1.4090