计算 PRE 的显着性（按比例减少误差）
Calculating significance of PRE (proportional reduction in error)
我正在尝试计算两个线性模型的 PRE 的显着性。我所有的变量都是连续的（所以我不能使用 DAMisc 包）。我尝试使用以下 R 代码手动完成，但在测试时我一直得到 NaN。我做错了什么？
library(psych)
modelC<-lm(reason.4~reason.16,data=iqitems)
modelA<-lm(reason.4~reason.16+reason.17,data=iqitems)
SSEC<-sum(modelC$residuals^2) #2019
SSEA<-sum(modelA$residuals^2) #1977
PRE=(SSEC-SSEA)/SSEC #0.02
pA<-2
pC<-1
n<-min(summary(modelA)$df)+1 #4
deg_freedom<-min(summary(modelA)$df) #3
Fvalue <- (PRE/(pA-pC))/((1-PRE)*(n-pA)) #0.0105
pf(Fvalue,pC-pA,deg_freedom,lower.tail=FALSE) #NaN
pf函数的第二个参数是f统计量分子的自由度，第三个参数是f统计量分母的自由度。
你的第二个参数的自由度是 -1，现在是 pC - pA = 1 - 2 = -1。这就是给你错误的原因，因为自由度是非 negative.I 没有 PRE 经验我认为你需要：
#second argument being pA - pC = 1
> pf(0.0105, 1, 3,lower.tail=FALSE)
[1] 0.9248493
我正在尝试计算两个线性模型的 PRE 的显着性。我所有的变量都是连续的（所以我不能使用 DAMisc 包）。我尝试使用以下 R 代码手动完成，但在测试时我一直得到 NaN。我做错了什么？
library(psych)
modelC<-lm(reason.4~reason.16,data=iqitems)
modelA<-lm(reason.4~reason.16+reason.17,data=iqitems)
SSEC<-sum(modelC$residuals^2) #2019
SSEA<-sum(modelA$residuals^2) #1977
PRE=(SSEC-SSEA)/SSEC #0.02
pA<-2
pC<-1
n<-min(summary(modelA)$df)+1 #4
deg_freedom<-min(summary(modelA)$df) #3
Fvalue <- (PRE/(pA-pC))/((1-PRE)*(n-pA)) #0.0105
pf(Fvalue,pC-pA,deg_freedom,lower.tail=FALSE) #NaN
pf函数的第二个参数是f统计量分子的自由度，第三个参数是f统计量分母的自由度。
你的第二个参数的自由度是 -1，现在是 pC - pA = 1 - 2 = -1。这就是给你错误的原因，因为自由度是非 negative.I 没有 PRE 经验我认为你需要：
#second argument being pA - pC = 1
> pf(0.0105, 1, 3,lower.tail=FALSE)
[1] 0.9248493