R语言学习如何快速实现回归模型指标筛选?全子集回归
写在前面
不积跬步无以至千里
01 前言
数据分析中,回归模型搭建是必不可少的一环,但在模型构建的过程中往往会出现一个问题:当自变量(即Y=aX+b中的X,可以看做测量指标)个数增多之后,如何筛选自变量的个数,实现最大化去预测因变量的变化规律,成为重要的分析环节。实际操作中我们当然可以挨个地去试一下,但这种重复的工作有没有可替代方案呢?
答案是有的:用全子集回归法。它的意思是指所有可能的模型都会被一次性检验,从而获得一个最佳的多变量预测模型。
02 数据解释
本例中的数据节选至R自带的部分数据集:state.x77,数据解释可参考数据集的解释。
数据构成如下:
本例中,我想知道谋杀率(Murder)与其它几个指标间的关系,或者是用哪些指标(最少指标)可以预测某个州的谋杀率,从而可以在特定的州制定特殊的法案。
03 分析并作图
作图需要安装:leaps包>library(leaps)#加载leaps
>states<-as.data.frame(state.x77[,
c("Murder","Population","Illiteracy","Income","Frost")])#定义数据集state.x77下一个包含Murder,population等的数据框并命名为states
即:
分析及作图:>leaps <- regsubsets(Murder~Population+Illiteracy+Income+Frost,data = states,nbest = 4)#构建包含自变量和因变量间的模型关系
>plot(leaps,scale = "adjr2")#绘图
即:
这幅图是从左下角往上看,adjr2的意思是调整后的R平方值,也就是模型的拟合程度大小,也可以说是模型的解释程度;Intercept代表了截距项;自变量指标与adjr2的交点色块代表着取该指标下的R平方值。
这样,由图就可以快速筛选出哪些指标适合对谋杀率进行回归预测了。由图可知,当全部指标考虑时,自变量对谋杀率的R平方值为0.53;考虑人口(Population)、文盲率(Illiteracy)和收入(Income)三个指标对谋杀率的R平方值反而增加了(0.54);而当去除收入(Income)水平指标后,仅考虑考虑人口(Population)和文盲率(Illiteracy)时,R平方值最高(0.55),这说明仅用人口和文盲率就可以预测谋杀率指标的变化了,也说明找到了"最佳"预测模型。
不过,这里需要提一句,即使获得这个"最佳"模型后,我们也许还需要考虑一下单因素对因变量的影响,然后结合实际情况做进一步分析。如下图:
04 提示
尽管使用全子集回归模型能找到"最佳"适宜指标,但是我们并没有考虑其可能存在的交互项,即我们其实未考虑所有可能的模型。如果考虑所有有交互影响项则为: >leaps <- regsubsets(Murder~Population*Illiteracy*Income*Frost,data = states,nbest = 4)#构建包含自变量间交互影响和因变量间的全子集回归模型关系
>plot(leaps,scale = "adjr2")#绘图
从上面的图也可以看出,在考虑交互项后,其模型R平方值直接提高到0.59,那么,这样的模型到底是好还是坏呢?并且,从另一方面考虑,假设模型中有二次项,三次项回归时可能会拟合得更好。但其实际意义可能并不佳,因此,我们在构建回归模型时,一定要基于已有的知识体系去判断原始模型是否合理,然后再考虑使用全子集回归模型。
中国南方稀土集团中重稀土挂牌价格偏弱,而行业保持较高景气度2021年9月6日,中国南方稀土集团南方稀土国际贸易有限公司公布最新中重稀土氧化物挂牌价格偏弱。与上一次挂牌价格的情势相反,本次价格下调品种的范围及幅度均略有增大。具体而言,氧化钆
电动汽车的简要历史和演变(上)电动汽车的历史比您想象的要长得多。在本文中,我们将全面探讨EV的发展。本次热闹之前,电动汽车已经有过两次浪潮,但并没能颠覆传统燃油汽车。英文作者克里斯托弗麦克法登产业前沿编译要了解
阿富汗稀土采矿的难度在阿富汗开采稀土,抛出可能的局面不稳定因素之外,采矿本身就存在很大的难度。怎么讲?(1)开采成本高昂一般经验,开发矿山和建设相关设施的成本非常高,稀土矿有过之而无不及。报道指最近在
拜登可能会给稀土矿商带来重大提振英文来源AlexKimani,Oilprice。com产业前沿编译由于全球半导体芯片短缺,科技汽车消费电子等各个领域都受到了冲击。在多年需求不温不火之后,COVID19大流行引发了
格陵兰矿业公司将不再参与稀土项目的进一步磋商英文(作者)来源,CeciliaJamasmie,Mining。com编译产业前沿格陵兰矿业公司希望开发Kvanefjeld的稀土和铀项目。(ImagecourtesyofGree
五枚金牌只拿一枚美国游泳霸主地位不保?作者何欣颜昨天(7月28日)的东京奥运会一共产生了五枚游泳金牌,但美国队却只收获一枚,泳坛霸主地位已经不保?自从菲尔普斯在2004年雅典奥运会崛起后,美国游泳男队可以说是称霸奥运游
太阳能发电的三大优点将生物质能源水能风能和太阳能等常见新能源进行对比分析,可以清楚地看到太阳能发电具有以下独特优势。一光电技术有经济上的优势。太阳能利用的经济性可从两个方面来看一是取之不竭,收之无税,
导电布怎么使用?该用在什么地方?不适用的场景有哪些?可以进行遮蔽电磁波是导电布的最重要功能,但是干扰环境干扰频率干扰强度不一样,也会对其屏蔽效果产生影响。因此要根据实际应用情况来选择是否使用导电布。导电布是一种完整的电导材料,它能与
导电布适用的防静电接地系统导电布应用在防静电领域是很常见的,常常用于防静电手套防静电防护服等人体穿戴部分。但是为了更有效地防止静电伤害工件,工厂常常会配备完善的接地系统,将静电干扰降到最低。接地系统很多,那
屏蔽电磁要靠金属板?那你的手机可能有5斤重金属板能屏蔽电磁是人尽皆知的事情。因此很多电磁屏蔽室都会在墙上铺设金属板,不让电磁干扰室外的电子机器,甚至影响人体健康。但是我们的手机也会产生电磁辐射,而且是手机内每一个电子元器件
导电海绵主要应用及其特点介绍导电海绵这种材质,在生产过程当中主要是使用阻燃海绵作为基底材料然后在海绵表面裹上一层导电布,通过特殊的工艺所打造而成的一种电子材料。1安装方法及制成工艺导电海绵这种材质,在生产加工