R vif() 以及 step()

library(package="car")
data <- read.csv("C:\\users\\mike1\\desktop\\data\\RData\\hald水泥數據.csv", header=T, sep=",",fileEncoding = "utf-8", stringsAsFactors = FALSE)
data1 <- data[2:dim(data)[2]]
data1

cor(data1)
scatterplotMatrix(data1, main="correlation")

result <- lm(y~., data=data1)
summary(result)

vif(result)  # we can directly use the function not like python class
step(result,direction="forward")
step(result,direction="backward")
step(result, direction="both")

myStep <- step(result, direction="both")
myStep1 <- step(result,direction="backward",trace=2)


summary(myStep)
summary(myStep1)



vif(myStep)

 

共線性，顯示各變量之間有強相關，vif()函數在 car包中， 而step() 函數內置。

 

 

偏相關圖

 

相關系數圖：

 

逐步回歸圖

 

 

 

 

以上只截取了部分圖，但是結果與書上的不一樣。最后雖然使用的是逐步回歸，但是有一個系數不顯著，不知道為什么沒把 x4.1這個變量去掉，只能手動選擇x1, x2 作為變量。