Regression

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 `analise_residuos_glm`
`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

# 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)