Rでステップワイズ法による重回帰分析の自作関数例

R言語入門

ライター：高橋光太郎

今回はステップワイズの変数選択法による、線形重回帰分析の自作関数を作ったのでメモとして残しておきます。ご自由にお使いください。ステップワイズ法による変数選択とは、AICを最小にするような重回帰分析の説明変数を選択するというものです。

Rによる通常の回帰分析は、R言語で線形モデルによる回帰分析をお読みください。
また、線形モデルによる回帰分析の自作関数は、Rで線形モデルによる回帰分析の自作関数例に掲載しています。

※R言語入門のトップページはこちら

1 ステップワイズ法による回帰分析の自作関数
2 関数の使用例
3 出力内容

ステップワイズ法による回帰分析の自作関数

引数のdatには解析用データ、fnには出力ファイル名を入れます。また、データフレームである、datの1列目には目的変数、それ以外の列に説明変数を格納するようにして下さい。

解析用したいデータフレームを引数に関数を適用させると、ステップワイズの手法によって、自動で変数選択を行い、重回帰分析を行ってくれます。

プログラム

step_mra_fun <- function(dat,fn){
colnames(dat)[1] <- “y”
ans <- lm(dat$y~., data=dat)
ans <- step(ans)
s.ans <- summary(ans)
coe <- s.ans$coefficient
N <- nrow(dat)
aic <- AIC(ans)
conf <- confint(ans,levels=(0.95))
R2 <- summary(ans)$r.squared
result <- cbind(coe,conf,R2,aic,N)
colnames(result)[5:6] <- c(“RR95%CI.low”,”RR95%CI.up”)
e2 <- deviance(ans)
MSE <- e2 / N

if(nrow(result)>=2){
result[2:nrow(result),7:9] <- “”
}

write.table(cbind(“E2″,e2,”MSE”,MSE),fn,append=T,quote=F,sep=”,”,row.names=F,col.names=F)
write.table(matrix(c(“”,colnames(result)),nrow=1),fn,append=T,quote=F,sep=”,”,row.names=F,col.names=F)
write.table(result,fn,append=T,quote=F,sep=”,”,row.names=T,col.names=F)
write.table(“”,fn,append=T,quote=F,sep=”,”,row.names=F,col.names=F)
}

関数の使用例

以下に関数の使用例を示します。事前に関数の読み込みと、データを変数dfに入れる作業を行っておきます。

プログラム

dat = df[,c(3,12:17)]　#3行目が目的変数。12～17行目が説明変数

colnames(dat)[1] = “y”　#1行目の列名をyに。

fn = “ステップワイズsample.csv” #出力ファイル名

step_mra_fun(dat,fn) #ステップワイズ関数の実行

これによって、「ステップワイズsample.csv」という名前のファイルに、ステップワイズ法によって変数選択を行なった後の、重回帰分析の結果が出力されます。

出力内容

関数を使うとこのような結果が出力されます。（詳細は極秘データのためここにはお載せ出来ませんが）

ステップワイズによって変数選択されたものについての重回帰分析結果が出力されます。

最後に出力項目の一つ一つについて、意味を見ていきましょう。

項目	意味
RSS	残差平方和
RSS/N	残差平方和を解析用データの行数で割ったもの
Estimate	回帰係数
Std.Error	標準誤差
t value	t値
RR95%~	95％信頼区間の上限と下限
R2	決定係数
aic	AIC
N	解析データの大きさ。つまりデータフレームの行数