R dropterm 尝试模型中的所有一项删除

说明

尝试通过删除单个项来拟合与当前模型不同的所有模型，保持边际性。

这个函数是通用的；类 lm 和 glm 存在方法，默认方法适用于许多其他类。

用法

dropterm (object, ...)

## Default S3 method:
dropterm(object, scope, scale = 0, test = c("none", "Chisq"),
         k = 2, sorted = FALSE, trace = FALSE, ...)

## S3 method for class 'lm'
dropterm(object, scope, scale = 0, test = c("none", "Chisq", "F"),
         k = 2, sorted = FALSE, ...)

## S3 method for class 'glm'
dropterm(object, scope, scale = 0, test = c("none", "Chisq", "F"),
         k = 2, sorted = FALSE, trace = FALSE, ...)

参数

object	通过某种模型拟合函数拟合的对象。
scope	给出可能被删除的项的公式。默认情况下，模型公式。实际上只尝试可以删除并保持边性的术语。
scale	用于定义选择模型的 AIC 统计量，目前仅适用于 lm 、 aov 和 glm 模型。指定 scale 断言残余标准误差或离散度已知。
test	结果是否应该包括相对于原始模型的检验统计量？ F 检验仅适用于lm 和aov 模型，或许还适用于一些过于分散的glm 模型。 Chisq 检验可以是精确检验(具有已知尺度的 lm 模型)或似然比检验，具体取决于方法。
k	用于惩罚的自由度数的倍数。只有k = 2 提供真正的AIC：k = log(n) 有时称为BIC 或SBC。
sorted	结果应该按照AIC的值排序吗？
trace	如果 TRUE 可能会在尝试时提供有关拟合的附加信息。
...	传递给其他方法或从其他方法传递的参数。

细节

AIC 的定义仅取决于附加常数：在适当的情况下(具有指定比例的 lm 模型)，该常数被视为 Mallows Cp 统计中使用的常数，并对结果进行相应标记。

值

"anova" 类的表至少包含模型自由度变化和 AIC(或 Cp)的列。一些方法将提供更多信息，例如平方和、偏差、对数似然和检验统计量。

例子

quine.hi <- aov(log(Days + 2.5) ~ .^4, quine)
quine.nxt <- update(quine.hi, . ~ . - Eth:Sex:Age:Lrn)
dropterm(quine.nxt, test=  "F")
quine.stp <- stepAIC(quine.nxt,
    scope = list(upper = ~Eth*Sex*Age*Lrn, lower = ~1),
    trace = FALSE)
dropterm(quine.stp, test = "F")
quine.3 <- update(quine.stp, . ~ . - Eth:Age:Lrn)
dropterm(quine.3, test = "F")
quine.4 <- update(quine.3, . ~ . - Eth:Age)
dropterm(quine.4, test = "F")
quine.5 <- update(quine.4, . ~ . - Age:Lrn)
dropterm(quine.5, test = "F")

house.glm0 <- glm(Freq ~ Infl*Type*Cont + Sat, family=poisson,
                   data = housing)
house.glm1 <- update(house.glm0, . ~ . + Sat*(Infl+Type+Cont))
dropterm(house.glm1, test = "Chisq")

参考

Venables, W. N. and Ripley, B. D. (2002) Modern Applied Statistics with S. Fourth edition. Springer.

也可以看看

addterm , stepAIC