step
位于 stats
包(package)。 说明
选择 AIC 基于公式的模型。
用法
step(object, scope, scale = 0,
direction = c("both", "backward", "forward"),
trace = 1, keep = NULL, steps = 1000, k = 2, ...)
参数
object |
表示适当类模型的对象(主要是 |
scope |
定义逐步搜索中检查的模型范围。这应该是单个公式,或者是包含组件 |
scale |
用于定义选择模型的 AIC 统计量,目前仅适用于 |
direction |
逐步搜索的模式,可以是 |
trace |
如果为正,则在 |
keep |
一个过滤函数,其输入是拟合模型对象和关联的 |
steps |
要考虑的最大步骤数。默认值为 1000(本质上是需要的数量)。它通常用于提前停止该过程。 |
k |
用于惩罚的自由度数的倍数。只有 |
... |
|
细节
step
重复使用add1
和drop1
;它将适用于它们适用的任何方法,这取决于 extractAIC
的有效方法。当可以选择加法常数以使 AIC 等于 Mallows 的 时,即可完成此操作并适当地标记表格。
搜索的模型集由 scope
参数确定。其lower
组件的右侧始终包含在模型中,模型的右侧包含在upper
组件中。如果scope
是单个公式,则它指定upper
组件,并且lower
模型为空。如果scope
缺失,则初始模型将用作upper
模型。
scope
指定的模型可以作为更新 object
的模板,如 update.formula
使用的那样。因此,在 scope
公式中使用 .
意味着“已经存在的内容”,而 .^2
表示现有项的所有交互。
使用 glm
与变量 scale
配合存在潜在问题,因为在这种情况下,偏差不仅仅与最大化对数似然相关。函数 extractAIC
的 "glm"
方法对 gaussian
系列进行了适当的调整,但可能需要针对其他情况进行修改。 (binomial
和 poisson
系列默认修复了 scale
,并且不对应于变量 scale
的特定 maximum-likelihood 问题。)
值
返回逐步选择的模型,最多带有两个附加组件。有一个 "anova"
组件对应于搜索中采取的步骤,如果在调用中提供了 keep=
参数,则还有一个 "keep"
组件。偏差表分析的 "Resid. Dev"
列是指一个常数减去两倍最大对数似然:仅在明确定义饱和模型的情况下才会出现偏差(因此不包括 lm
、 aov
和 survreg
)。
警告
模型拟合必须将模型应用到同一数据集。如果存在缺失值,这可能会出现问题R的默认值是na.action = na.omit
用来。我们建议您先删除缺失值。
调用函数 nobs
用于检查拟合过程中涉及的观测值数量是否保持不变。
注意
该函数与 S 中的函数有很大不同,S 中的函数使用许多近似值并且通常不计算正确的 AIC。
这是一个最小的实现。使用 MASS
包中的stepAIC
来实现更广泛的对象类。
例子
## following on from example(lm)
step(lm.D9)
summary(lm1 <- lm(Fertility ~ ., data = swiss))
slm1 <- step(lm1)
summary(slm1)
slm1$anova
作者
B. D. Ripley: step
is a slightly simplified version of
stepAIC
in package MASS
(Venables &
Ripley, 2002 and earlier editions).
The idea of a step
function follows that described in Hastie &
Pregibon (1992); but the implementation in R is more general.
参考
Hastie, T. J. and Pregibon, D. (1992) Generalized linear models. Chapter 6 of Statistical Models in S eds J. M. Chambers and T. J. Hastie, Wadsworth & Brooks/Cole.
Venables, W. N. and Ripley, B. D. (2002) Modern Applied Statistics with S. New York: Springer (4th ed).
也可以看看
相关用法
- R stepfun Step Functions - 创建和类
- R stlmethods STL 对象的方法
- R stat.anova GLM 方差分析统计
- R stl Loess 时间序列的季节分解
- R start 对时间序列的终止时间进行编码
- R summary.nls 总结非线性最小二乘模型拟合
- R summary.manova 多元方差分析的汇总方法
- R summary.lm 总结线性模型拟合
- R smooth Tukey 的(运行中值)平滑
- R screeplot 屏幕图
- R sortedXyData 创建一个sortedXyData对象
- R sigma 提取残余标准差“Sigma”
- R setNames 设置对象中的名称
- R scatter.smooth 黄土拟合的平滑曲线散点图
- R splinefun 插值样条曲线
- R spec.taper 通过余弦钟锥化时间序列
- R summary.princomp 主成分分析的汇总方法
- R symnum 符号数字编码
- R se.contrast 模型术语对比的标准误差
- R summary.aov 方差模型分析总结
- R shapiro.test 夏皮罗-威尔克正态性检验
- R selfStart 构建自启动非线性模型
- R spec.pgram 通过平滑周期图估计时间序列的谱密度
- R spec.ar 通过 AR Fit 估计时间序列的频谱密度
- R smooth.spline 拟合平滑样条曲线
注:本文由纯净天空筛选整理自R-devel大神的英文原创作品 Choose a model by AIC in a Stepwise Algorithm。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。