S-PLUS
mini course 第29回S-PLUS mini course の29回目をお届けします。
まず最初に、関西圏のユーザーの皆様にお知らせです。7/1（木）、2(金）に S-PLUS の紹介セミナーと定例トレーニングを大阪で開催いたします。この機会にどうぞご参加のほどお願い申し上げます。定例トレーニングはPCの都合で、締め切り間近となっております。ご参加をお考えの方はお早めにお申し込みください。
詳しくは S-PLUS のウェッブページトップをご覧ください。 http://www.msi.co.jp/splus/
さて、前回は目的変数を同じくする回帰同士の比較についてご説明 しました。一言でいうと、変数選択ということです。
S-PLUS の回帰で変数選択を行うには、大きく２通りの方法があります。
です。それぞれのやり方を見てみますと、
・関数 stepwise
stepwise(x=説明変数だけのデータ, y=目的変数だけのデータ)
と実行します。例えば、データ data の y 列を目的変数とし、x1, x2, x3, x4, x5 という５列を説明変数の候補とした、総当りの組み合わせの中から変数選択するには
stepwise(x=data[, c("x1", "x2", "x3", "x4", "x5")], y=data[, "y"],method="exhaustive")
# データを列の名前で選択している
とします。method="exhaustive" あるいは method ="ex" で総当りを指定しています。
この関数の結果、どの変数かが選ばれているということはなく、
からなるリストが返ります。どうして「これがベスト」という変数が選ばれていないかというと、この関数は rss（residuals sum of square, 残差平方和）で、モデルのよしあしを判断しますが、rss は説明変数の数が多ければ多いほど、小さくなる傾向にあります。 ですから、「同じ size、説明変数の数同士のモデルは比較することができるけれど、異なる size のモデルを比較することができない」のでずばり、これがベスト！ということができないのです。 （stepwise の結果で、同じ size のものでは、rss が小さい順に並んで います）
それから、２次の項や交互作用項、因子変数の項などを直接当てはめることができません。あらかじめこのようなデータを作成しておく必要があります（簡単に作成することは可能です。これはご要望があれば、あるいは機会があれば、ご紹介したいと思います）。
では、
ときはどうしたらよいでしょうか？これには関数 step を用います。関数 step の使い方については、次回にご説明したいと思います。 お楽しみに！
お問い合わせ／資料請求はお気軽に。 |
 |