如何循环 glm 模型以进行模型选择 (model.sel)答案

【问题标题】：How loop glm models for model selection (model.sel)如何循环 glm 模型以进行模型选择 (model.sel)
【发布时间】：2019-02-05 20:12:00
【问题描述】：

我正在尝试通过它的 AIC 选择最佳模型。我得到了这个代码，我被告知它可以自动组合 glm 模型，但我真的不明白它是如何工作的。

谁能用简单的话解释一下它是如何工作的以及如何让它运行，因为我不能。

library(MuMIn)

as.list(rep(NA, 44)) ->models

for (i in 1:44) {
  glm(log(Tbra+1)~bats[,i],data=bats)-> models[[i]]
}

names(models)<-names(bats)[7:50]

model.sel(models)

编辑 1

我对此代码有更多疑问。

as.list(rep(NA, 44)) ->models

什么意思（NA，44）？名单是如何制定的？我想知道列表必须从数据库中完成，但是这段代码生成了一个空列表，我不明白为什么。

for (i in 1:44) {
  glm(log(Tbra+1)~bats[,i],data=bats)-> models[[i]]
}

我知道 glm 是由“bats”数据制作的，但它要求 Bats 是列表，对吗？那么它是如何制作的。起初我认为它可能指的是由 as.list 制作的列表，例如：

as.list(rep(NA, 44)) ->bats

  for (i in 1:44) {
      glm(log(Tbra+1)~bats[,i],data=bats)-> models[[i]]
    }

但这并没有什么意义。有什么想法吗？

【问题讨论】：

标签： r loops glm

【解决方案1】：

循环生成模型列表。每个模型都尝试使用数据中的单个变量来预测响应 log(Tbra + 1)。然后函数model.sel() 获取列表，评估每个人的 AIC，然后将它们与每个变量的系数、对数似然度等一起显示在表格上。

【讨论】：