Alguém tem sugestões ou pacotes que calcularão o coeficiente de determinação parcial?
O coeficiente de determinação parcial pode ser definido como o percentual de variação que não pode ser explicado em um modelo reduzido, mas pode ser explicado pelos preditores especificados em um modelo completo (er). Esse coeficiente é usado para fornecer informações sobre se um ou mais preditores adicionais podem ou não ser úteis em um modelo de regressão mais completamente especificado.
O cálculo para o r ^ 2 parcial é relativamente direto depois de estimar seus dois modelos e gerar as tabelas ANOVA para eles. O cálculo para o r ^ 2 parcial é:
(SSEreduced - SSEfull) / SSEreduced
Eu escrevi essa função relativamente simples que calculará isso para um modelo de regressão linear múltipla. Não estou familiarizado com outras estruturas de modelo em R, onde essa função pode não funcionar tão bem:
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)
}
Serão muito bem-vindas quaisquer sugestões ou dicas sobre funções mais robustas para realizar esta tarefa e / ou implementações mais eficientes do código acima.
fonte
Respostas:
Bem, r ^ 2 é realmente apenas covariância ao quadrado sobre o produto das variações, então você provavelmente poderia fazer algo como cov (Yfull, Ytrue) / var (Ytrue) var (Yfull) - cov (YReduced, Ytrue) / var (Ytrue ) var (YRed) independentemente do tipo de modelo; verifique se a resposta é a mesma no caso lm.
http://www.stator-afm.com/image-files/r-squared.gif
fonte