У меня есть переменная результата, скажем Y, и список из 100 измерений, которые могут повлиять на Y (скажем, X1 ... X100).
После запуска моего glm и просмотра сводки моей модели я вижу статистически значимые переменные. Я хотел бы иметь возможность выбрать эти переменные, запустить другую модель и сравнить производительность. Есть ли способ проанализировать сводку модели и выбрать только самые важные?
Вы можете получить доступ к pvalue результата glm через функцию "summary". Последний столбец матрицы коэффициентов называется «Pr (> | t |)» и содержит p-значения факторов, используемых в модели.
Вот пример:
#x is a 10 x 3 matrix
x = matrix(rnorm(3*10), ncol=3)
y = rnorm(10)
res = glm(y~x)
#ignore the intercept pval
summary(res)$coeff[-1,4] < 0.05
Хотя @kith проложил путь, можно сделать еще больше. Собственно, весь процесс можно автоматизировать. Сначала создадим данные:
x1 <- rnorm(10)
x2 <- rnorm(10)
x3 <- rnorm(10)
y <- rnorm(10)
x4 <- y + 5 # this will make a nice significant variable to test our code
(mydata <- as.data.frame(cbind(x1,x2,x3,x4,y)))
Тогда наша модель:
model <- glm(formula=y~x1+x2+x3+x4,data=mydata)
И логический вектор коэффициентов действительно может быть извлечен следующим образом:
toselect.x <- summary(model)$coeff[-1,4] < 0.05 # credit to kith
Но это не все! Кроме того, мы можем это сделать:
# select sig. variables
relevant.x <- names(toselect.x)[toselect.x == TRUE]
# formula with only sig variables
sig.formula <- as.formula(paste("y ~",relevant.x))
РЕДАКТИРОВАТЬ: как указывалось на последующих плакатах, последняя строка должна быть sig.formula <- as.formula(paste("y ~",paste(relevant.x, collapse= "+"))), чтобы включать все переменные.
И запустите регрессию только со значимыми переменными, как изначально хотел OP:
sig.model <- glm(formula=sig.formula,data=mydata)
В этом случае оценка будет равна 1, поскольку мы определили x4 как y + 5, подразумевая идеальную связь.
Для людей, у которых проблемы с командой Maxim.K на
sig.formula <- as.formula(paste("y ~",relevant.x))
использовать этот
sig.formula <- as.formula(paste("y ~",paste(relevant.x, collapse= "+")))
Окончательные коды будут как
toselect.x <- summary(glmText)$coeff[-1,4] < 0.05 # credit to kith
# select sig. variables
relevant.x <- names(toselect.x)[toselect.x == TRUE]
# formula with only sig variables
sig.formula <- as.formula(paste("y ~",paste(relevant.x, collapse= "+")))
это исправляет ошибку, с которой вы сталкиваетесь при выборе только первой переменной.
in
sig.formula ‹- as.formula (paste (" y ~ ", related.x))
вы вставляете только первую переменную релевантного .x, остальные игнорируются (попробуйте, например, изменить условие на> 0,5)
