如何在R中的1664个外部变量上拟合多个线性回归模型

2 回答

• 3

  我想你想从1664个变量中选择一个有效的模型，即一个用尽可能少的解释变量来预测数据变化的模型 . 有几种方法可以做到这一点：

  • 使用专业知识选择已知相关的变量 . 这可能是由于其他研究发现了这一点，或者由于某些潜在的过程，您现在使该变量具有相关性 .

  • 使用某种逐步回归方法，根据它们解释数据的程度，选择变量是相关的 . 请注意，此方法有一些严重的缺点 . 使用Aikaike Information Criterium查看 stepAIC 的方法 .

  如果您选择纯粹基于随机性的95％显着性水平（0.05 * 1664），则将1664个变量与数据相关联将产生大约83个显着相关性 . 因此，谨慎使用自动变量选择 . 用专家知识或一些去相关技术（例如主成分分析）减少变量的数量会有所帮助 .

  对于代码示例，首先需要包含我自己（数据代码）的示例，我可以在其上构建 .

  回复于 2024-04-25T21:34:14+08:00
• 2

  我将回答编程问题，但请注意，通常使用许多变量的回归可以使用某种变量选择过程（例如@PaulHiemstra的建议） .

  • 您可以构建仅包含要运行的变量的data.frame，然后使用公式快捷方式： form <- y ~ . ，其中点表示尚未提及的所有变量 .

  • 您可以手动构造公式 . 例如： form <- as.formula( paste( "y ~", paste(myVars,sep="+") ) )

  然后运行你的回归：

  lm( form, data=dat )
  

  回复于 2024-04-25T21:34:14+08:00