本文介绍了如何使用R语言进行逐步回归分析，包括向前选择、向后剔除和逐步回归三种方法。重点在于以t统计量作为判断标准，选择或剔除回归变量。在每一步中，通过计算变量的F统计量或t统计量，确定模型中的最优变量子集。此外，文中还提到R语言内置的step()函数可能存在的问题，以及作者自己编写的程序示例。
向前选择
向前选择是先假设除截距项外，模型中不存在回归变量.通过一次向模型中添加一个回归变量，来求解最优的回归变量子集.
step1
将所有回归变量分别与Y做线性拟合，并求模型所产生的回归显著性F统计量，找出其中最大的F统计量，如果这个统计量大于事先给定的F值，则其所对应的回归变量就是第一部所选中的变量.为标记方便，不如记这个回归变量为 x 1 x_1 x1.
step2
在调整了第一个进入模型的回归变量对Y的影响后，现在与Y的简单相关系数为最大的回归变量则为第二步所选择的变量，其中，这个简单相关系数称为偏相关系数.
偏相关系数:回归 y ^ = β ^ 0 + β ^ 1 x 1 \hat y=\hat β_0 +\hat β_1 x_1 y^=β^0+β^1x1的残差，与 x ^ j = α ^ 0 j + α ^ 1 j x 1 \hat x_j=\hat α_{0j }+\hat α_{1j} x_1 x^j=α^0j
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
