2

目标是找到最好的模型。我使用逐步回归。但我有一个问题。当我尝试这个时：

library("MASS")
foreach (i=1:20000) %do% {
Ge <- bigGeneMatrix[i,]
fit <- lm(Ge ~ geneA + geneB + geneC + geneD + ... + geneX + (1|Patient),
data = master)
step <- stepAIC(fit, direction = "both")
results[i] <- step$anova }

出现了一些奇怪的东西。

Step:  AIC=-268.58
Ge ~ ((geneA + geneB + geneC + geneD + ... + geneX + 
(1 | Patient)) - 1 |  Patient)

Start:  AIC=-596.19
Ge ~ ((geneA + geneB + geneC + geneD + ... + geneX + 
(1 | Patient)) - 1 |  Patient)


Step:  AIC=-603.22
Ge ~ ((geneA + geneB + geneC + geneD + ... + geneX + 
(1 | Patient)) - 1 |  Patient)

结果总是相同的模型。只有 AIC 不同。我还尝试了jumps( )函数和regsubsets()，但它也没有显示我想要的结果。我认为问题在于我有一个大矩阵，其中包含许多不同的y基因（y ~ x1 + x2 + x3，data = abc）。我想要这样的结果：

Ge ~ geneA + geneD + geneX

例如，这是具有最低 AIC 的最佳模型。

我怎么才能得到它？

4

0 回答 0