Estoy ejecutando regresión lineal con todos los predictores(Tengo 384 predictores), pero solo obtengo 373 coeficientes del resumen. Me pregunto por qué R no devuelve todos los coeficientes y cómo puedo obtener los 384 coeficientes.
full_lm <- lm(Y ~ ., data=dat[,2:385]) #384 predictors
coef_lm <- as.matrix(summary(full_lm)$coefficients[,4]) #only gives me 373
Respuestas
1 para la respuesta № 1Primero, summary(full_lm)$coefficients[,4]
devuelve el p-values
No los coeficientes. Ahora, para responder realmente a su pregunta, creo que algunas de sus variables abandonan la estimación porque son perfectamente colineales con otras. Si tu corres summary(full_lm)
, verá que la estimación de estas variables devuelve NA
en todos los campos. Por lo tanto, no están incluidos en summary(full_lm)$coefficients
. Como ejemplo:
x<- rnorm(1000)
x1<- 2*x
x2<- runif(1000)
eps<- rnorm(1000)
y<- 5+3*x + x1 + x2 + eps
full_lm <- lm(y ~ x + x1 + x2)
summary(full_lm)
#Call:
#lm(formula = y ~ x + x1 + x2)
#
#Residuals:
# Min 1Q Median 3Q Max
#-2.90396 -0.67761 -0.02374 0.71906 2.88259
#
#Coefficients: (1 not defined because of singularities)
# Estimate Std. Error t value Pr(>|t|)
#(Intercept) 4.96254 0.06379 77.79 <2e-16 ***
#x 5.04771 0.03497 144.33 <2e-16 ***
#x1 NA NA NA NA
#x2 1.05833 0.11259 9.40 <2e-16 ***
#---
#Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
#
#Residual standard error: 1.024 on 997 degrees of freedom
#Multiple R-squared: 0.9546, Adjusted R-squared: 0.9545
#F-statistic: 1.048e+04 on 2 and 997 DF, p-value: < 2.2e-16
coef_lm <- as.matrix(summary(full_lm)$coefficients[,1])
coef_lm
#(Intercept) 4.962538
#x 5.047709
#x2 1.058327
0 para la respuesta № 2
Por ejemplo, si algunas columnas en sus datos son combinaciones lineales de otras, entonces el coeficiente será NA
y si indexa de la manera que lo hace, se omitirá automáticamente.
a <- rnorm(100)
b <- rnorm(100)
c <- rnorm(100)
d <- b + 2*c
e <- lm(a ~ b + c + d)
da
Call:
lm(formula = a ~ b + c + d)
Coefficients:
(Intercept) b c d
0.088463 -0.008097 -0.077994 NA
Pero la indexación ...
> as.matrix(summary(e)$coefficients)[, 4]
(Intercept) b c
0.3651726 0.9435427 0.3562072