régression progressive par étapes

Dans R par étapes avant de régression, je spécifier un modèle minimal et un ensemble de variables à ajouter (ou non):

min.model = lm(y ~ 1)
fwd.model = step(min.model, direction='forward', scope=(~ x1 + x2 + x3 + ...))

Est-il possible de spécifier à l'aide de toutes les variables dans une matrice de données.cadre, de sorte que je n'ai pas à les énumérer?

Exemples pour illustrer ce que je voudrais faire, mais ils ne fonctionnent pas:

# 1
fwd.model = step(min.model, direction='forward', scope=(~ ., data=my.data.frame))

# 2
min.model = lm(y ~ 1, data=my.data.frame)
fwd.model = step(min.model, direction='forward', scope=(~ .))

source d'informationauteur Michael Schubert

  1. 17

    scope attend (citant la page d'aide ?step)

    soit une formule unique, ou une liste contenant
    les composants "haut" et "bas", les deux formules. Voir la
    les détails pour savoir comment spécifier les formules et comment ils sont
    utilisé.

    Vous pouvez extraire et utiliser la formule correspondant à"~.", comme ceci:

    > my.data.frame=data.frame(y=rnorm(20),foo=rnorm(20),bar=rnorm(20),baz=rnorm(20))
> min.model = lm(y ~ 1, data=my.data.frame)
> biggest <- formula(lm(y~.,my.data.frame))
> biggest
y ~ foo + bar + baz
> fwd.model = step(min.model, direction='forward', scope=biggest)
Start:  AIC=0.48
y ~ 1

       Df Sum of Sq    RSS      AIC
+ baz   1    2.5178 16.015 -0.44421
<none>              18.533  0.47614
+ foo   1    1.3187 17.214  0.99993
+ bar   1    0.4573 18.075  1.97644

Step:  AIC=-0.44
y ~ baz

       Df Sum of Sq    RSS      AIC
<none>              16.015 -0.44421
+ foo   1   0.41200 15.603  1.03454
+ bar   1   0.20599 15.809  1.29688
>
  2. 1

    Vous pouvez le faire en une seule étape, comme ce

    fwd.model = step(lm(y ~ 1, data=my.data.frame), direction='forward', scope=~ x1 + x2 + x3 + ...)