如何使用 R 中的 ExtremeBounds 包将极端边界分析应用于包含 100 多个变量的数据集？

Question

我有一个由 107 个变量和 1794 个观察值组成的数据集。我想实施极限边界分析，以确定 106 个变量中的哪些变量在广泛的回归中与因变量稳健相关，每个回归都有不同的模型规范。我打算为我的最终模型选择最稳健的变量。

我正在使用 Marek Hlavac 的 ExtremeBounds 包。我正在尝试运行以下代码行：

free=eba(formula=flg_activacion_0_12~., data=Data1, k=0:106, reg.fun=glm, family=binomial(link='logit'), draws=100)

因变量

flg_activacion_0_12

是一个假人，这就是为什么我在family参数中选择二项式链接。

reg.fun 参数用于 R 不运行 OLS 回归，而是运行广义线性模型，例如 logit。

我将 k 参数设置为 0:106。这意味着我想确定包含多达 106 个变量的模型中的变量是否稳健。但是，要估计的模型总数将是巨大的。有 106 个可能的模型，其中仅包含一个解释变量。有 106!/[2!(104!)] 个可能的模型，包括两个解释变量。参数 draws=100 将模型的数量限制为仅 100 个。它仅运行从庞大的模型池中随机选择的 100 个模型，这些模型可以写成 106 个变量的组合。

我相信参数 draws 应该可以在我的计算机上执行此任务，但我收到以下错误消息：

All variables in argument 'focus' must be in the data frame. 

Argument 'k' is too high for the given number of doubtful variables.

我已经检查了文档，因为我没有指定哪些变量是免费的，哪些是焦点，哪些是可疑的，所以所有 106 个变量都应该被视为焦点。我不明白为什么它表明某些焦点变量不在我的数据框中。请告诉我我做错了什么以及我该如何做我打算做的事情。

Answer 1

我认为这里的问题在于公式参数。这段代码也会出现同样的错误：

 library(ExtremeBounds) 
 naive.eba <- eba(formula = mpg ~. , data = mtcars, k = 0:9)

如果您使用以下命令（如在 ExtremeBounds 小插图中），该模型运行良好，该命令拼写公式中的因变量：

 naive.eba <- eba(formula = mpg ~ cyl + carb + disp + hp + vs + drat + wt + qsec + gear + am, data = mtcars, k = 0:9)