R语言 VIF包 vif()函数中文帮助文档(中英文对照)

loveR

vif(VIF)
vif()所属R语言包：VIF

                                        Fitting Linear Models using VIF-Regression
                                         使用VIF-回归的拟合线性模型

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

vif selects variables for a linear model. It returns a subset of variables for building a linear model.
vif选择变量的线性模型。它返回一个变量子集建立一个线性模型。


用法----------Usage----------


        vif(y, x, w0 = 0.05, dw = 0.05, subsize = 200, trace = TRUE, mode = c("dense", "sparse"))



参数----------Arguments----------

参数：y
the response.
响应。


参数：x
an optional data frame or matrix containing the variables in the model.
一个可选的数据框或矩阵包含在模型中的变量。


参数：w0
the initial wealth.
初始财富。


参数：dw
the incremental wealth attained if a variable is included in the model.
获得的增量财富，如果一个变量包括在模型中。


参数：subsize
the size of the subsample to approximate the variance inflation factor.
近似方差膨胀因子的子样本的大小。


参数：trace
logical. if TRUE a list containing current wealth, current test level, absolute t value and p-value for the current variable will be printed out.
逻辑。如果TRUE一个列表，其中包含目前的财富，当前的测试水平，绝对t值p当前的变量值将被打印出来。


参数：mode
"dense" or "sparse", specifying one of the two alpha-investings that should be used. Default is "sparse".
"dense"或"sparse"，指定的两个α-investings应该使用。默认是"sparse"。


值----------Value----------

A list containing:  <table summary="R valueblock"> <tr valign="top"><td>select</td> <td>  the chosen subset of variable. </td></tr> <tr valign="top"><td>modelmatrix</td> <td>  the model matrix that is ready for fitting a linear model.  </td></tr> </table>
一个列表，包含：<table summary="R valueblock"> <tr valign="top"> <TD>select</ TD> <TD>所选择的变量子集。 </ TD> </ TR> <tr valign="top"> <TD>modelmatrix</ TD> <TD>模型的矩阵，是准备装修的线性模型。 </ TD> </ TR> </ TABLE>


（作者）----------Author(s)----------



Dongyu Lin <a href="mailto:dongyu.lin@gmail.com">dongyu.lin@gmail.com</a>




参考文献----------References----------

Dongyu Lin, Dean P. Foster, and Lyle H. Ungar. (2011). VIF-Regression: A Fast Regression Algorithm for Large Data.   Journal of the American Statistical Association,  Vol. 106, No. 493: 232&ndash;247.  http://gosset.wharton.upenn.edu/~foster/research/vif_jasa_final.pdf
The data sets used in the paper can be downloaded via following links:
Boston Housing Data: http://gosset.wharton.upenn.edu/~foster/auction/boston.csv
Bankruptcy Data: http://gosset.wharton.upenn.edu/~foster/auction/bankruptcy.csv
Call Center Data: http://gosset.wharton.upenn.edu/~foster/auction/calldata.tar.gz
Many others: http://gosset.wharton.upenn.edu/~foster/auction/auction.html.

实例----------Examples----------



        data(syn);
        vif.sel <- vif(syn$y, syn$x, trace = FALSE);
        vif.sel$select;
        syn$true;
       
        data(housingexp);
        colnames(housingexp$x);
        vif.sel <- vif(housingexp$y, housingexp$x, w0 = 0.0005, dw = 0.005, subsize = 300, trace = FALSE);


转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。


注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。