Description Usage Arguments Details Value Author(s) References See Also Examples
View source: R/CMISCorrelacaoExtraFunctions.R
Utiliza diversos crit<c3><a9>rios estat<c3><ad>sticos para ajustar e escolher os melhore modelos lm de atrav<c3><a9>s de um conjunto de s<c3><a9>ries temporais de forma automatizada
1 2 | exaustive_lm(vresposta, explicativas, dados, r2, nmod, residteste, sig, verbose,
regsimples = FALSE, ...)
|
vresposta |
Vari<c3><a1>vel reposta |
explicativas |
Vetor de vari<c3><a1>veis explicativas |
dados |
Data.frame no formato data.frame(data, var1, var2, var3, ..., varn) |
r2 |
Threshold do coeficiente de determina<c3><a7><c3><a3>o ou r-quadrado |
nmod |
N<c3><ba>mero de melhores modelos a retornar para a vari<c3><a1>vel explicada em fun<c3><a7><c3><a3>o das explicativas |
residteste |
Threshold do indicador de qualidade do res<c3><ad>duo gerado por |
sig |
Threshold de decis<c3><a3>o sobre o coeficiente, se ele entra ou n<c3><a3>o no modelo. O Padr<c3><a3>o <c3><a9> 0.05 mas atualmente usa-se 0.10. |
verbose |
Se TRUE, exibe log de todas as itera<c3><a7><c3><b5>es |
regsimples |
Se TRUE, ajusta apenas modelos de regress<c3><a3>o linear simples, caso contr<c3><a1>rio, simples e m<c3><ba>ltiplos |
... |
Passagem de par<c3><a2>metros internos |
Esta fun<c3><a7><c3><a3>o utiliza a alimina<c3><a7><c3><a3>o stepwise por p-valor para chegar aos melhores modelos para cada vari<c3><a1>vel explicativa e retorna alguns deles segundo exist<c3><aa>ncia ou defini<c3><a7><c3><a3>o do threshold nmod (n<c3><ba>mero de modelos). Esta fun<c3><a7><c3><a3>o integra v<c3><a1>rias outras do processo de ajuste, an<c3><a1>lise de res<c3><ad>duos e decis<c3><a3>o final. A sa<c3><ad>da cont<c3><a9>m os melhores modelos em formato de objeto lm, assim como data.frame com as principais estat<c3><ad>sticas no formato para o banco de dados. O n<c3><ba>mero de modelos cresce na escala de 2^n-1 para cada variavel explicativa adicional. Devido a isto, este procedimento se torna muito lento e consome muita mem<c3><b3>ria para conjuntos de vari<c3><a1>veis muito grande.
Lista contendo os seguintes elementos
objects |
Lista dos objetos lm resultados da an<c3><a1>lise, apenas os melhores escolhidos |
formulas |
As formulas matem<c3><a1>ticas e cada modelo |
vresposta |
Vari<c3><a1>vel resposta |
modelos |
data.frame com os modelos em formado de tabela para o banco de dados |
LOPES, J. L.
Alan Miller "Subset Selection in Regression" Chapman \& Hall
Friedman, J., Hastie, T. and Tibshirani, R. (2008) Regularization Paths for Generalized Linear Models via Coordinate Descent, http://www.stanford.edu/~hastie/Papers/glmnet.pdf
Journal of Statistical Software, Vol. 33(1), 1-22 Feb 2010 http://www.jstatsoft.org/v33/i01/
Simon, N., Friedman, J., Hastie, T., Tibshirani, R. (2011) Regularization Paths for Cox's Proportional Hazards Model via Coordinate Descent, Journal of Statistical Software, Vol. 39(5) 1-13 http://www.jstatsoft.org/v39/i05/
Buckland (1997) Model Selection: an Integral Part of Inference. Biometrics 10:41
Burnham & Anderson (2002) Model Selection and Multimodel Inference: an Information Theoretic Approach Calcagno \& de Mazancourt 2010 J. Stat. Soft. v34 i12. See http://www.jstatsoft.org/v34/i12
Esta fun<c3><a7><c3><a3>o depende de model.select
, analise_residuos_glm
e glm_extract_list_ci
1 2 3 4 5 6 7 8 9 10 11 | # Objeto com dados para modelagem (demorado!)
#data(mensal)
#glmdata <- my_glm_data(mensal, 1, 12, "neg","hdw")
#damod <- glmdata$ds_modelagem
#vresposta <- glmdata$respostas[1]
#explicativas <- glmdata$explicativas
## Infraestrutura em fun<c3><a7><c3><a3>o de neg<c3><b3>cio
#modelos <- exaustive_lm(vresposta, explicativas, damod, r2=0.50, nmod=10,
# residteste = 0.3, sig = 0.05, verbose=FALSE)
|
Add the following code to your website.
For more information on customizing the embed code, read Embedding Snippets.