Sopykl的博客

变量选择针对OLS的问题，在变量选择方面有三种扩展的方法：（详见 岭回归和Lasso回归）（1）子集选择 这是传统的方法，包括逐步回归和最优子集法等，对可能的部分子集拟合线性模型，利用判别准则 （如AIC,BIC,Cp,调整R2 等）决定最优的模型。（2）收缩方法（shrinkage method） 收缩方法又称为正则化（regularization）。主要是岭回归（ridge regression）和lasso回归。通过对最小二乘估计加入罚约束，使某些系数的估计为0。（3）维数缩减 主成分回归

制作表格并导出

R语言中混合线性模型的实现以及参数解析

选择最佳的回归模型 介绍了选择变量的2个简单方法：逐步回归法 - stepAIC()，全子集回归 - regsubsets()。前者最小化AIC，后者最大化R平方。但美中不足是，stepAIC()并不适用于混合效应模型，R语言报错："extractAIC"没有适用于"MixMod"目标对象的方法 。...