algae上海藻例子.pptVIP

首都经济贸易大学 32009122125 * library(leaps) lm2leaps-regsubsets(a1~factor(season)+factor(size)+factor(speed)+mxPH+mnO2+Cl+NO3+NH4+oPO4+PO4+Chla,data=clean.algae, nbest=1, nvmax=15,really.big=TRUE) ##方程中不含常数项共有15 个自变量，所以nvmax=15，而nbest 为相同个数的自变量的最佳组合排列的方程个数。系统默认为1，即取最好的，因为我要找出所有变量组合中最好的模型，所以为了计算简便，就取系统默认的，因为运算量较大，really.big=TRUE，系统默认really.big=FALSE）。 lm2leaps.sum-summary(lm2leaps) names(lm2leaps.sum) [1] which rsq rss adjr2 cp bic outmat obj # 建立仅有截距项的模型，即规模为0 的模型 lm2leapsdum-lm(a1~1, data=clean.algae) lm2leapsdum.sum-summary(lm2leapsdum) names(lm2leapsdum.sum) [1] call terms residuals coefficients aliased sigma df [8] adj.r.squared r.squared cov.unscaled lm2leapsdum.sum$adj [1] 0 ##这说明方程中仅含有常数项的方程比按最佳子集回归得到的15 个方程都差，可舍弃 ##下面我们来看看按最佳子集回归得到的15 个方程的拟合效果的比较 * lm2leaps.sum$rss ##15 个方程的残差平方和比较 par(mfrow=c(2,2)) plot(1:15,lm2leaps.sum$rss,type=b,xlab=# subsets,ylab=RSS) lm2leaps.sum$adjr2##15 个方程的调整R 方比较 plot(1:15,lm2leaps.sum$adjr2,type=b, xlab=# subsets, ylab=ADJRSquare) lm2leaps.sum$cp ##15 个方程的cp 比较 plot(1:15,lm2leaps.sum$cp,type=b, xlab=# subsets, ylab=CP) lm2leaps.sum$bic plot(1:15,lm2leaps.sum$bic,type=b, xlab=# subsets, ylab=BIC) * * ##综合上面的信息，我们可以发现子集容量在3 以后，调整R 方上升的幅度很小； 同时，cp 值在3 以后下降的幅度也很小，而BIC 信息准则在3 处正好达到最优， 也正证实了我的猜想，即当子集容量为3 时，方程拟合精度最高。即方程中含四 自变量（加常数项）的最好。 lm2leaps.sum$which[3,] * final.lm2leaps-lm(a1~factor(size)+NO3+PO4, data=clean.algae) summary(final.lm2leaps) * shapiro.test(final.lm2leaps$residuals) AIC(final.lm2leaps) 建立回归方程并不合适 * 其他方法 * 从用逐步回归建立的模型的方差膨胀因子或容忍度分析，我们有理由怀疑自变量之间存在着多重共线性的影响，实际上，在前面从变量之间的相关程度图中，我们可以发现绝大部分变量之间相关程度不高，但变量NH4和NO3、变量PO4、oPO4 之间相关程度很大，尤其是变量PO4、oPO4 之间相关程度达到91.2%。这说明变量间从直观上也可以看出有可能存在着多重共线性的影 响。对于多重共线性的处理，最经典的处理方法有四种：principal components regression, ridge estimation, shrinkage estimatiors and partial least squares。下面我将从岭回归、lasso regression 两种方法来建模 * 岭回归（MASS） * * library(MASS) ridgelm-lm.ridge(a1~factor(season)+factor(size)+factor(speed)+mxPH+mnO2+Cl+NO3+NH4+oPO4