R 中带有 LM 的功能 MFP howto答案

【问题标题】：Function MFP with LM in R howtoR 中带有 LM 的功能 MFP howto
【发布时间】：2015-04-22 05:36:54
【问题描述】：

我正在尝试在 R 中使用 MFP 功能，就像在 Stata 中使用等效命令一样。通常在 Stata 中运行线性回归时，我在命令 regress 之前使用命令 mfp，Stata 给出回归模型中协变量的“最佳”转换。例如。在Stata中我使用命令

mfp: regress variable1 variable2

我想使用 R 中的库 (mfp) 中的函数 mfp。

例如在 R 中：

summary(mfp(variable1 ~ fp(variable2)))

这给了我回归的结果，但 R 以某种方式强制它进入 GLM 模型。这样做的缺点是，与线性模型 (LM) 相比，我没有得到整体的 R 平方。

有人知道如何使用 R 中的功能 MFP 进行 LM 吗？

【问题讨论】：

我不知道关于 R 实现的任何细节，但提供一个一般性评论：广泛的态度应该是 R 很可能有自己非常不同的做事方式。它不再承诺表现得像其他软件一样，反之亦然。我是一个Stata用户，所以在这里不是党派，只是完全同情不同风格的可能性。话虽如此，这看起来像是一个需要更仔细研究文档的问题，而不是严格意义上的编程问题。

标签： r stata glm lm

【解决方案1】：

从 mfp 的帮助功能中，它如下（使用您的示例代码）：

model1 <- mfp(variable1 ~ fp(variable2), family=gaussian, data=...)
summary(model1)

您可以使用以下代码计算 R 平方：

cor(model1$Y, model1$fitted.values)^2

【讨论】：

【解决方案2】：

我不知道 R 中的回归，但这个问题可以从任何统计数据包中的第一原理来回答。 R 平方是包含截距的多元线性回归中观察到的和预测的响应之间的 Pearson 相关的平方。（例如 Draper 和 Smith，1966，第 62 页）。所以1）将R回归的预测值添加到数据集中； 2) 计算响应和预测值之间的 Pearson 相关性r； 3) 正方形 r.

参考资料： NR Draper 和 H Smith (1966) 应用回归分析，纽约州威利。 http://en.wikipedia.org/wiki/Multiple_correlation

【讨论】：