Description Usage Arguments Details Value Note Author(s) References Examples
View source: R/CMISCorrelacaoExtraFunctions.R
Sele<c3><a7><c3><a3>o autom<c3><a1>tica de modelos lm simples e multiplos por redu<c3><a7><c3><a3>o stepwise utilizando p-valor dos betas estimados
1 | model.select(model, keep, sig, verbose = FALSE, ...)
|
model |
Objeto de ajuste lm. Este objeto deve conter o modelo completo (com maior n<c3><ba>mero de preditoras poss<c3><ad>vel, para a redu<c3><a7><c3><a3>o de vari<c3><a1>veis em cada itera<c3><a7><c3><a3>o) |
keep |
lista de termos do modelo que devem permanecer em cada itera<c3><a7><c3><a3>o |
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 |
... |
Passagem de par<c3><a2>metros |
O modelo de entrada deve ser aquele com o maior n<c3><ba>mero de preditoras, ou seja, modelo completo. Desta forma inicia a elimina<c3><a7><c3><a3>o. Sempre que o p-valor de algum coeficiente for superior a sig, este sair<c3><a1> do modelo e o modelo passar<c3><a1> a ser reajustado. Quando n<c3><a3>o restarem mais covari<c3><a1>veis a sair ou entrar no modelo o script reajusta o modelo final e exibe no formato lm. O processo de elimina<c3><a7><c3><a3>o segue utiliza os p-valores gerados atrav<c3><a9>s de uma ANOVA tipo 2 para cada beta estimado.
Objeto lm com ajuste reduzido via stepwise
Esta fun<c3><a7><c3><a3>o foi adapdata da vers<c3><a3>o feita por Joris Meys publicada no stackoverflow
Joris Meys
Brown, P. J. (1994) Measurement, Regression and Calibration Oxford.
http://stackoverflow.com/a/3701896
http://rstudio-pubs-static.s3.amazonaws.com/17812_139f1aec12d94206b25577ffd3730de1.html
1 2 3 4 5 6 7 8 9 10 11 12 | # Objeto com dados para modelagem
data(mensal)
glmdata <- my_glm_data(mensal, 1, 12, "neg","hdw")
damod <- glmdata$ds_modelagem
vresposta <- glmdata$respostas[1]
explicativas <- glmdata$explicativas
mreg <- paste(vresposta, " ~ 1")
fun <- as.formula(paste(c(mreg, explicativas), collapse=" + "))
lmfit <- lm(fun, data = damod)
summary(lmfit)
ms <- model.select(lmfit, sig = 0.05, verbose = FALSE)
summary(ms)
|
Add the following code to your website.
For more information on customizing the embed code, read Embedding Snippets.