如何解决按定义的顺序逐步回归例如stepAIC
我想知道是否有可能在stepAIC(或其他计算逐步回归的函数)中选择添加特征的顺序。
想法是t1-t6是模型中的不同时间点,我想以基于时间的方式(从t1到t6)添加它们。因此,在t1之后,应将t2添加到模型中,如果添加不能使模型更好,则应停止添加。默认情况下,stepAIC将添加具有最低AIC的第一个功能,而忽略任何给定顺序。
我知道我可以创建自己的模型并进行比较,但是我的真实数据集包含多个组和数千个时间步,因此我需要一种自动的方法来创建模型。
# Sample data
y <- rnorm(1000)
t1 <- rnorm(1000)
t2 <- y + rnorm(1000)
t3 <- y + rnorm(1000)
t4 <- y + rnorm(1000)
t5 <- rnorm(1000)
t6 <- rnorm(1000)
df <- data.frame(y,t1,t2,t3,t4,t5,t6)
# Modeling
emtpy.mod <- glm(y ~ 1,family = "gaussian",df)
full.mod <- glm(y ~ .,df)
step.mod <- MASS::stepAIC(emtpy.mod,direction = "forward",scope = list(
lower = glm(emtpy.mod,family = "gaussian"),upper = glm(full.mod,family = "gaussian")
))
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。