我试图自动化一段代码,以便编程变得不那么乏味.
基本上我试图fastbw()在rms包中逐步选择变量.我想将选择的变量列表传递fastbw()给公式y ~ x1+x2+x3,"x1""x2""x3"是由所选的变量列表fastbw()
这是我尝试过但没有用的代码
olsOAW0.r060 <- ols(roll_pct~byoy+trans_YoY+change18m,
subset= helper=="POPNOAW0_r060",
na.action = na.exclude,
data = modelready)
OAW0 <- fastbw(olsOAW0.r060, rule="p", type="residual", sls= 0.05)
vec <- as.vector(OAW0$names.kept, mode="any")
b <- paste(vec, sep ="+") ##I even tried b <- paste(OAW0$names.kept, sep="+")
bestp.OAW0.r060 <- lm(roll_pct ~ b ,
data = modelready,
subset = helper =="POPNOAW0_r060",
na.action = na.exclude)
我是R的新手,仍然没有落后于陡峭的学习曲线,所以为明显的编程错误道歉.
我试图自动化最后一步模型构建.我想将两个独立模型的预测变量组合成一个最终模型.我玩过,update.formula()但意识到我可以将旧的lmfit $调用更新为新的,例如update.formula(lmfit$call,lmfitnew$call).在这里,我需要从两个模型中挑选变量并运行最后一个
lmfit1 <- lm(y~ x1+x2+x3, data = modelready)
best.ngc_fit <- stepAIC(lmfit1, direction="backward")
best.ngc_fit$call
lm(formula = y~ x2+x3, data = modelready)
lmfit2 <- lm(y ~ a+b+c+d+f, data=fcstmodel)
best.fcst_fit <- stepAIC(lmfit2, direction ="backward")
best.fcst_fit$call
lm(formula = y~ a+c+d+f, data = fcstmodel)
这是我想在最终模型中使用的内容
best.full_fit <- lm(y~x2+x3+a+c+d+f, data = fullmodel)
我可以手动完成而没有任何问题,但我想自动化它,以使整个过程不那么繁琐.
任何帮助都感激不尽