重回帰分析

#######################重回帰分析##############################

data_fin<-c(factor1,factor2,factor3,factor4)

  #使いたい変数を1つのデータにまとめる

class(data_fin)

  #上でまとめたデータの型を確かめる

data_fin<-data.frame(data_fin)

  #データの型を”data.frame”型に変更する

data_fin.sd<-scale(data_fin)

  #データ内の変数を標準化する

class(data2_fin.sd)

  #また、データの型を確認する

data_fin.sd<-data.frame(data_fin.sd)

  #"data.frame"型に変更する

summary(lm(formula=factor1~factor2+factor3+factor4,data=data_fin.sd))

#summary(lm(従属変数~独立変数1+独立変数2+独立変数3,data=データセット名))

#結果の見方

#帰無仮説は「係数＝0」

#AICは値が小さい方がモデルの当てはまりの良さを示す

#Multiple R-squaredが決定係数

#

library(DAAG)

result<-lm(formula=factor1~factor2+factor3+factor4,data=data_fin.sd)

vif(result)

#多重共線性の確認

#vif関数を使うには、”DAAG”パッケージが必要です。

 #VIF>10だと多重共線性に問題あり。<2なら問題なし。

##############ステップワイズ変数選択による重回帰分析######################

sreg("f2s","f3s","f4s","f5s","a1", stepwise=TRUE, P.in=0.05, P.out=0.05, predict=FALSE, verbose=TRUE)

#引数

#data        データ行列。従属変数は最終列におき，それ以外は独立変数と見なす。

#stepwise    ステップワイズ変数選択をする

#P.in        Pin（デフォルトは 0.05）

#P.out       Pout（デフォルトは 0.05，Pout ≧ Pin のこと）

#predict     個々の予測結果などを出力するかどうか（デフォルトは FALSE）

#verbose     ステップワイズ変数選択の途中結果を出力する

#偏回帰係数など，分割表，決定係数など，予測値などに関する結果はそれぞれ，「分析結果」，「分散分析表」，「決定係数」，「予測」の要素名で参照できる。

#plot メソッドとして，3種類の回帰診断プロットを用意している（このページの下の方を参照）。

#ソース

#インストールは，以下の 1 行をコピーし，R コンソールにペーストする

source("http://aoki2.si.gunma-u.ac.jp/R/src/sreg.R";, encoding="euc-jp")

############多重ロジスティック回帰分析###################

#R に用意されている glm 関数を用いて多重ロジスティック回帰分析を行う。

#データフレーム

data.fin.m<-xn[,c("a1","f1s","f2s","f3s","f4s","f5s")]

data.fin<-scale(data.fin.m)

data.fin<-data.frame(data.fin)

xn$ar1 <- 1+xn$a1

xn$a1<- xn$ar1

summary(glm(a1~f1s+f2s+f3s+f4s+f5s,data.fin.m,family=binomial))

    #モデル式

    #モデル式は y ~ x1+x2+x4 のような形式で表現する

    #モデル式中の y，x1，x2，x3 などはデータフレームの変数名

summary(glm(a1~f1s,data.fin.m,family=binomial))

summary(glm(a1~f2s,data.fin.m,family=binomial))

summary(glm(a1~f3s,data.fin.m,family=binomial))

summary(glm(a1~f4s,data.fin.m,family=binomial))

summary(glm(a1~f5s,data.fin.m,family=binomial))

summary(glm(a1~f3s,data.fin.m,family=binomial))

##使用例

#分析に使うデータは lr.data という名前で用意されているとする（lr.data を見てみる）。

#独立変数は x1, x2

#従属変数は y

data <- read.table("lr.data", header=TRUE)

result1 <- glm(a1~f1s+f2s+f3s+f4s+f5s,data.fin,family=binomial)

result

summary(result1)

coefficients(result)

residuals(result)

  など

result0 <- glm(y ~ 1, data, family=binomial)

anova(result0, result, test="Chisq")