运行变量幂集中的线性模型

Question

我正在尝试获取具有不同变量的数据框和运行这些变量的每个组合的线性模型。

一个简单的例子是：

names <- c("Var1", "Var2", "Var3") 
vars <- ggm::powerset(names, sort = T, nonempty = T)

powerset 函数给出了 3 个变量的所有组合——一个包含 7 个元素的列表，每个元素都是字符类型。（我尝试运行的实际代码有 16 个变量，这就是为什么我不想手动编写每个模型的原因）。

我现在想做的是运行每个变量组合中的模型。现在，我已经编写了以下代码（它不起作用，但可能是一个好的开始）：

i <- 1
for (dep_var in vars){
  assign(paste0("modelo", i), lm(lapply(paste("Y", dep_var, sep = "~"), formula), 
  data = data))
  i <- i+1
}

最终，我想创建不同的模型，select 结合样本内 AIC 和 BIC 以及样本外 MAE 和 RMSE 的最佳模型。

非常感谢！感谢您的帮助！

Answer 1

一个简单的例子，使用 mtcars 数据，mpg 作为因变量，AIC 集合用于模型选择。我同意有很多 R 包可以根据某些标准（bestglm、leaps、glmulti、MASS）测试多个模型。

mtcars_exp <- mtcars %>%
  select(-mpg)

vars <- ggm::powerset(names(mtcars_exp), sort = T, nonempty = T) 

results <- data.frame(AIC_lm_fit =  vector("numeric"),
           model = vector("character"))

用于拟合线性模型的 For 循环

for (j in 1:length(vars)){
  lm_fit <- lm(mpg ~ ., data = mtcars[,c("mpg", vars[[j]])])
  results <- rbind(results,
                   data.frame(AIC_lm_fit =  AIC(lm_fit),
                            model = toString(vars[[j]])))
}

选择具有最小 AIC 的模型

results[AIC_lm_fit==min(AIC_lm_fit),]
        AIC_lm_fit        model
105   154.1194 wt, qsec, am

与MASS::stepAIC函数

的结果比较

library(MASS)
lm_fit <- lm(mpg ~ ., data = mtcars)
lm_fit_2 <- stepAIC(lm_fit)
lm_fit_2$call

lm(formula = mpg ~ wt + qsec + am, data = mtcars)

运行变量幂集中的线性模型

Run linear model in a powerset of variables

r

data-modeling

linear-regression

运行 变量幂集中的线性模型

Run linear model in a powerset of variables

r

data-modeling

linear-regression

运行变量幂集中的线性模型