R前向逐步回归中的多个最小模型

Question

在 R 逐步前向回归中，我想指定几个最小模型。我正在寻找在 12 个变量（6 个流量变量 Q_ 和 6 个降水变量 LE_）之间进行选择的最佳模型。

最大模型考虑了所有变量：

formule <- "Q ~ 0 + Q_minus_1h + Q_minus_2h + Q_minus_3h + Q_minus_4h + Q_minus_5h + Q_minus_6h + LE_6h + LE_12h + LE_18h + LE_24h + LE_30h + LE_36h"
biggest <- formula(lm(formule, Sub_fit))

使用 Sub_fit 我的数据集（带有 Q 和我的 12 个变量的数据框）。

我希望我的模型中至少有一个变量“LE_XX”。所以我的最小模型可能是：

formule <- "Q ~ 0 + LE_6h"
smallest <- formula(lm(formule, Sub_fit))

或

formule <- "Q ~ 0 + LE_12h"
smallest <- formula(lm(formule, Sub_fit))

或者...

formule <- "Q ~ 0 + LE_36h"
smallest <- formula(lm(formule, Sub_fit))

最后：

modele.res <- step(lm(as.formula("Q ~ 0"),data=Sub_fit), direction='forward', scope=list(lower=smallest, upper=biggest))

“lower”，进入“scope”，不允许列表，但应该是一个唯一的公式。有可能做我需要的吗？

Answer 1

要在逐步前向回归中指定几个最小模型，请创建最小的公式，例如，lapply，然后循环遍历它们。
在下面的示例中，内置数据集 mtcars 用于拟合多个以 mpg 作为响应的模型，数据集中最后三个变量各一个。

data(mtcars)

biggest <- mpg ~ .

sml <- names(mtcars)[9:11]
small_list <- lapply(sml, function(x) {
  fmla <- paste("mpg", x, sep = "~")
  as.formula(fmla)
})
names(small_list) <- sml

fit <- lm(mpg ~ ., mtcars)
fit_list <- lapply(small_list, function(smallest){
  step(fit, scope = list(lower = smallest, upper = biggest))  
})

现在以 AIC 为标准选择

min_aic <- sapply(fit_list, AIC)
min_aic
#      am     gear     carb 
#154.1194 155.9852 154.5631

fit_list[[which.min(min_aic)]]