通过逐步回归建立广义线性回归模型
广义线性模型mdl
是一个标准的线性模型,除非你指定的吗分布
名称-值对。
等其他方法devianceTest
或属性的GeneralizedLinearModel
对象,看到GeneralizedLinearModel
。
训练模型后,可以生成C / c++代码为新数据预测的反应。需要生成C / c++代码MATLAB编码器™。有关详细信息,请参见介绍代码生成。
逐步回归是一个系统性的方法来添加和删除从一个线性或广义线性模型基于统计学意义的解释变量的响应。使用指定的方法始于一个初始模型,modelspec
,然后比较了增量较大和较小的模型的解释力。
的stepwiseglm
函数使用向前和向后逐步回归来确定最终的模型。每一步,函数搜索条件对模型添加或删除从模型基础上的价值“标准”
名称-值对的论点。
的默认值“标准”
对于一个线性回归模型上交所的
。在这种情况下,stepwiselm
和一步
的LinearModel
使用p价值的F统计测试模型,没有潜在的每一步。如果一个术语不是目前模型中,零假设是这个词有一个零系数如果添加到模型中。如果有足够的证据拒绝零假设,该函数将项添加到模型中。相反,如果一个词目前模型中,零假设是,这个词有一个零系数。如果没有足够的证据拒绝零假设,函数从模型中删除这个词。
逐步回归的时候需要这些步骤“标准”
是上交所的
:
初始模型。
检查一组可用的条款不能在模型中。如果任何条款p公差值不到一个入口(也就是说,如果一个词不太可能有一个零系数如果添加到模型),添加术语与最小的p值和重复这个步骤;否则,进入步骤3。
如果在模型中任何可用的条款p值大于退出公差(即零系数的假设不能被拒绝),删除与最大的术语p值并返回步骤2;否则,结束流程。
在任何阶段,该函数不会增加一个高阶术语如果模型不包括所有低阶项的高阶项的子集。例如,函数不会试图添加X1, X2 ^ 2
除非两X1
和X2 ^ 2
已经在模型中。同样,这个函数不会删除低阶项高阶项保留在模型的子集。例如,函数不会试图删除X1
或X2 ^ 2
如果X1, X2 ^ 2
仍然在模型中。
的默认值“标准”
广义线性模型“异常”
。stepwiseglm
和一步
的GeneralizedLinearModel
遵循类似的程序添加或删除。
您可以指定使用的其他标准“标准”
名称-值对的论点。例如,您可以指定的值的变化Akaike信息标准,贝叶斯信息准则,平方,或调整的平方为准绳添加或删除。
根据条款包含在初始模型,和函数的顺序添加和删除条款,该函数可能会建立不同的模型相同的一组潜在的条款。函数终止当没有一步改善模型。然而,不同的初始模型或一个不同的一系列步骤并不能保证一个更好的选择。从这个意义上讲,分段模型的局部最优,但可能不是全局最优。
stepwiseglm
对待分类预测如下:
一个模型的分类预测l包括水平(类别)l- 1指标变量。模型使用第一类作为参考水平,所以它不包括参考的指标变量的水平。如果数据类型的分类预测分类
,那你可以检查的顺序分类利用类别
通过使用和重新排序的类别reordercats
自定义参考水平。关于创建指标变量的更多细节,请参阅自动创建虚拟变量。
stepwiseglm
治疗组l- 1作为一个变量指标变量。如果你想把指标变量不同的预测变量,使用手动创建指标变量dummyvar
。然后使用指标变量,除了一个对应的参考电平分类变量,当你适应一个模型。的分类预测X
如果你指定的所有列dummyvar (X)
和一个截距项预测,然后设计矩阵变得不足。
交互条款之间的连续预测和分类预测l由element-wise产品的水平l- 1变量与连续预测指标。
两个分类预测之间的交互方面l和米水平的(l- 1)* (米- 1)指标变量包括所有可能的组合的两个分类预测的水平。
你不能指定高阶术语分类预测,因为一个指标的平方等于本身。
因此,如果stepwiseglm
添加或删除分类预测,实际上函数添加或删除的指标变量在一个步骤。类似地,如果stepwiseglm
添加或删除一个交互项分类预测,实际上这个函数添加或删除组交互条款包括分类预测。
stepwiseglm
认为南
,”
(空字符向量),”“
(空字符串),<失踪>
,<定义>
值资源描述
,X
,Y
缺失值。stepwiseglm
不使用与缺失值的观察。的ObservationInfo
拟合模型表明是否的属性stepwiseglm
使用中的每个观察健康。
使用fitglm
创建一个模型与一个固定的规范。使用一步
,addTerms
,或removeTerms
调整拟合模型。
[1]Collett D。二进制数据建模。纽约:查普曼&大厅,2002。
[2]多布森,a·J。介绍了广义线性模型。纽约:查普曼&大厅,1990。
[3]McCullagh, P。,J. A. Nelder.广义线性模型。纽约:查普曼&大厅,1990。