Я использовал функцию регрессии lm и пошаговую регрессию. К сожалению, пошаговый метод не дает большой гибкости. Критерии входа / удаления и значимость не могут быть отрегулированы.
Используя mtcars, я запускаю эти коды
*
FitAll <- lm(mpg ~ . ,data=mtcars) # Fit reg model with all variables
FitStart <- lm(mpg~1,data=mtcars) # Fit reg model with just intercept
step(FitStart, direction = "both" , scope=formula(FitAll)) # stepwise, "both"=forward&backward
Он сообщает мне, что ступенчатые остановки с 3 переменными в модели, wt + цил + л. Когда я запускаю регрессионную модель с ними, я обнаруживаю, что некоторые из переменных не имеют значения при 5%.
fit <- lm(formula = mpg ~ wt + cyl + hp, data = mtcars)
summary(fit)
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 38.75179 1.78686 21.687 < 2e-16 ***
wt -3.16697 0.74058 -4.276 0.000199 ***
cyl -0.94162 0.55092 -1.709 0.098480 .
hp -0.01804 0.01188 -1.519 0.140015
Есть ли способ использовать эту функцию lm и step для определения критериев входа и выхода. Кроме того, бывают случаи, когда я хочу повысить строгость ко всем переменным, значимым на 1%. Есть ли способ указать критерии входа / выхода и уровень значимости с помощью этого метода? Есть ли лучший пакет для использования? Любая помощь очень ценится. Спасибо