在 R 中逐步回归的引导程序答案

【问题标题】：Bootstrap with Stepwise Regression in R在 R 中逐步回归的引导程序
【发布时间】：2020-08-03 14:55:43
【问题描述】：

我正在尝试获取引导样本并在 R 中进行逐步回归。我正在尝试查看回归系数的分布，但是我正在处理的“bhat”矩阵主要是打印出 NA，除了第一行（所有列的数字相同）。我该如何解决这个问题？

B <- 100 #number of bootstrap samples
n <- nrow(dat)
d <- ncol(dat) - 1
bhat <- matrix(NA, nrow = B, ncol = ncol(dat) - 1)

for(b in 1:B) {

  s <- sample(1:n, n, replace=TRUE)
  samp <- as.matrix(dat[s, c(1:15)])
  samp <- as.data.frame(samp)

  #stepwise regression
  null <- lm(dat$Y ~ 1, data=samp)
  full <- lm(dat$Y ~ ., data=samp)
  fit <- step(null, scope=formula(full), direction="forward", k=log(n), trace=0)

  bhat[b,] <- coef(fit)

}

【问题讨论】：

您可能需要添加数据，以使其可重现，请阅读：stackoverflow.com/questions/5963269/…

标签： r statistics regression statistics-bootstrap

【解决方案1】：

每次你做一个步骤时，系数的数量都是不同的，它与你的矩阵的维度不同，你不能“插入”它，你可以这样做：

dat = data.frame(Y=rnorm(100),matrix(rnorm(100*15),ncol=15))
colnames(dat)[-1] = paste0("Var",1:15)

B <- 100 #number of bootstrap samples
n <- nrow(dat)
d <- ncol(dat) - 1
full_mdl = colnames(model.matrix(Y~.,data=dat))
bhat <- matrix(NA, nrow = B, ncol = length(full_mdl))
colnames(bhat) = full_mdl

for(b in 1:B) {

  samp <- dat[sample(1:n, n, replace=TRUE), c(1:15)]
  null <- lm(dat$Y ~ 1, data=samp)
  full <- lm(dat$Y ~ ., data=samp)
  fit <- step(null, scope=formula(full), direction="forward", k=log(n), trace=0)

  bhat[b,names(coef(fit))] <- coef(fit)

}

【讨论】：