我是这R产品的新手,但不确定要选择哪种型号。
我进行了逐步前向回归,根据最低AIC选择每个变量。我提出了3个不确定的模型,这些模型是“最好的”。
Model 1: Var1 (p=0.03) AIC=14.978 Model 2: Var1 (p=0.09) + Var2 (p=0.199) AIC = 12.543 Model 3: Var1 (p=0.04) + Var2 (p=0.04) + Var3 (p=0.06) AIC= -17.09
我倾向于使用Model#3,因为它的AIC最低(我听过可以接受负值),并且p值仍然很低。
我已经运行了8个变量作为孵化质量的预测变量,发现这三个变量是最好的预测变量。
我的下一个前进方向是选择模型2,因为即使AIC稍大,p值也都较小。您是否同意这是最好的?
Model 1: Var1 (p=0.321) + Var2 (p=0.162) + Var3 (p=0.163) + Var4 (p=0.222) AIC = 25.63 Model 2: Var1 (p=0.131) + Var2 (p=0.009) + Var3 (p=0.0056) AIC = 26.518 Model 3: Var1 (p=0.258) + Var2 (p=0.0254) AIC = 36.905
谢谢!
您能告诉我们(1)和(2)之间的区别吗?显然有所改变,因为(1)中的模型3和(2)中的模型2名义上是相同的,但p值和AIC不同。
—
whuber
@whuber,恐怕我无法完全理解您的问题。这可能是我缺乏统计了解。但是要尝试澄清。模型1具有4个变量,模型2具有3个变量,模型3具有2个变量。在每个模型中,变量的顺序相同(意味着每个模型中的变量one = temp)。我认为@GaBorgulya和@djma完美地回答了我的问题。变量4 IS与变量3相关。说得通。谢谢面条!
—
MEL
我已将您的回复转换为上述评论。@richiemorrisroe提醒您,如果您认为当前的回答之一对您有所帮助或回答了您的问题,请不要忘记接受它。顺便说一句,很高兴看到您注册了帐户。
—
chl