¿Alguien tiene sugerencias o paquetes que calculen el coeficiente de determinación parcial?
El coeficiente de determinación parcial puede definirse como el porcentaje de variación que no puede explicarse en un modelo reducido, pero puede explicarse por los predictores especificados en un modelo completo (er). Este coeficiente se utiliza para proporcionar información sobre si uno o más predictores adicionales pueden ser útiles en un modelo de regresión más completo.
El cálculo para el r ^ 2 parcial es relativamente sencillo después de estimar sus dos modelos y generar las tablas ANOVA para ellos. El cálculo para el r ^ 2 parcial es:
(SSEreduced - SSEfull) / SSEreduced
He escrito esta función relativamente simple que calculará esto para un modelo de regresión lineal múltiple. No estoy familiarizado con otras estructuras de modelos en R donde esta función puede no funcionar tan bien:
partialR2 <- function(model.full, model.reduced){
anova.full <- anova(model.full)
anova.reduced <- anova(model.reduced)
sse.full <- tail(anova.full$"Sum Sq", 1)
sse.reduced <- tail(anova.reduced$"Sum Sq", 1)
pR2 <- (sse.reduced - sse.full) / sse.reduced
return(pR2)
}
Cualquier sugerencia o sugerencia sobre funciones más robustas para lograr esta tarea y / o implementaciones más eficientes del código anterior sería muy apreciada.
fuente
Respuestas:
Bueno, r ^ 2 es realmente una covarianza al cuadrado sobre el producto de las variaciones, por lo que probablemente podría hacer algo como cov (Yfull, Ytrue) / var (Ytrue) var (Yfull) - cov (YReduced, Ytrue) / var (Ytrue ) var (YRed) independientemente del tipo de modelo; marque para verificar que le da la misma respuesta en el caso lm.
http://www.stator-afm.com/image-files/r-squared.gif
fuente