r - 回归模型（只有有意义的预测变量的输出）

Question

我构建了一个线性回归模型 reg_model1，该模型中包含因子。然而，在模型中的不同组因素中，很少有与其他连续变量一起显着的因素。是否有任何代码可以提供给 reg_model1 以生成仅输出最适合模型的预测变量的摘要？

Answer 1

从统计的角度来看，我认为您在影响因变量的自变量和模型的拟合优度之间存在混淆，因此我的建议是确定您想要获得的内容。也就是说，如果您想要一个仅包含一些变量的模型表示，您可以将其转换为具有以下内容的数据框broom::tidy：

library(dplyr)
#> 
#> Attaching package: 'dplyr'
#> The following objects are masked from 'package:stats':
#> 
#>     filter, lag
#> The following objects are masked from 'package:base':
#> 
#>     intersect, setdiff, setequal, union
library(broom)

### Create factors ###
mtcars <- mutate(mtcars, across(c(vs, am, gear), as.factor))

lm(mpg ~ disp + vs + am + gear, data=mtcars) |> 
  tidy() |> 
  filter(p.value <= 0.05)
#> # A tibble: 3 × 5
#>   term        estimate std.error statistic      p.value
#>   <chr>          <dbl>     <dbl>     <dbl>        <dbl>
#> 1 (Intercept)  24.7      3.36         7.34 0.0000000865
#> 2 disp         -0.0282   0.00924     -3.05 0.00518     
#> 3 am1           4.67     2.09         2.23 0.0345

^{由reprex 包于 2021-11-20 创建(v2.0.1)}

Answer 2

您可以使用的另一个逐步回归 R 包“StepReg”，

例如，

formula <- mpg ~ .
stepwise(formula=formula,
         data=mtcars,
         include="am",
         selection="bidirection",
         select="SL",
         sle=0.15,
         sls=0.15)

Answer 3

我建议逐步回归/逐步选择。有了这个，您可以根据 RSME 和拟合优度选择最佳拟合。这是在mtcars数据集上执行的一个很好的来源。还有其他几个包提供几乎相同的东西。我个人更喜欢为此目的使用步进功能。

step.model <- step(lm(mpg ~ ., mtcars), direction="both", trace=FALSE); 
summary(step.model)