Regression

Description Usage Arguments Details Value Author(s) References Examples

View source: R/CMISCorrelacaoExtraFunctions.R

Estat<c3><ad>stica de for<c3><a7>a da predi<c3><a7><c3><a3>o do modelo (PRESS - PREdicted Residual Sum of Squares) para modelos lm e glm

1	my_lm_press(obj, wts = c())

`obj`	Objeto do modelo ajustado (lm ou glm)
`wts`	Pesos no caso de regress<c3><a3>o ponderada (pouco usado), se nulo regress<c3><a3>o n<c3><a3>o ponderada que <c3><a9> o padr<c3><a3>o.

A estat<c3><ad>stica PRESS vem sendo utilizada para medir o qu<c3><a3>o forte um modelo <c3><a9> na predi<c3><a7><c3><a3>o de valores extras. Ela <c3><a9> importante para forecasts lineares que s<c3><b3> fazem sentido quando as extrapola<c3><a7><c3><b5>es s<c3><a3>o feitas via cen<c3><a1>rios conhecidos ou no caso do CMIS, projetados por s<c3><a9>ries temporais robustas como ARIMA.

data.frame com as estat<c3><ad>sticas da an<c3><a1>lise

Nina Zumel

Adapta<c3><a7><c3><a3>o:

LOPES, J. L.

https://github.com/WinVector/Examples/blob/master/PRESS/ http://www.win-vector.com/blog/2014/09/estimating-generalization-error-with-the-press-statistic/ http://www.r-bloggers.com/estimating-generalization-error-with-the-press-statistic/

data(mensal)
glmdata <- my_glm_data(mensal, 1, 12, "neg","hdw")
damod <- glmdata$ds_modelagem
vresposta <- glmdata$respostas[5]
explicativas <- glmdata$explicativas[1:3]
mreg <- paste(vresposta, " ~ 1")
fun  <- as.formula(paste(c(mreg, explicativas), collapse=" + "))
lmfit <- lm(fun, data = damod)
lmfit <- model.select(lmfit, sig = 0.05, verbose = FALSE)
Lmfit <- my_lm_press(lmfit)