我有一个357个病人的数据集。在最终的模型中,大约有10-15个潜在变量可供选择。其中一些变量高度相关。因此,我决定使用增广后向淘汰变量选择方法。data_term, include = NULL, active = NULL, tau = 0.05, :
the model should be fitted with: x=T 任何帮助都是非常感谢的。
The Problem I有一组澳大利亚新南威尔士州议会实施的犯罪数据,并按议会将其与平均房价合并。我现在正在寻找一种线性回归,试图通过邻里的犯罪来预测房价。问题是,我有49种犯罪,而且只想在我的模型中使用最好的犯罪(统计数字)。我已经对所有变量和一些变量(使用相关性)进行了回归评分,并获得了.23 - .38的结果,但我希望尽可能完善它--当然,如果有方法的话。我已经考虑过每一个可能的组合,但根据谷歌的数据,这最终可能会增加几百万美