Advertisement
Not a member of Pastebin yet?
Sign Up,
it unlocks many cool features!
- vars=5:12
- dependientes=datos[,vars]
- independientes=datos[,-vars]
- fits=
- lapply( #Aplico a cada nombre de las variables dependientes
- colnames(dependientes),
- function(x) #Esta función donde:
- step( #Se usa la función step para seleccionar el mejor modelo AIC quitando variables
- glm( #El modelo glm de comienzo, donde se usa todas las variables d
- reformulate( #Reformulate es para crear formula, donde la respuesta es el caracter x (la variable de la función, donde será reemplazado por cada nombre de colnames(dependientes)
- termlabels = colnames(independientes), #La variables independientes
- response = x, #La variable dependientes
- intercept =T
- ),
- data = cbind(dependientes,independientes), #Los datos
- family = binomial("logit") #El modelo Logit
- )
- )
- )
- #Modelos Probits
- fits2=
- lapply(
- colnames(dependientes),
- function(x)
- step(
- glm(
- reformulate(
- termlabels = colnames(independientes),
- response = x,
- intercept =T
- ),
- data = cbind(dependientes,independientes),
- family = binomial("probit")
- )
- )
- )
- fits=c(fits,fits2) #Concatenar los modelos
- fits3=
- do.call(
- rbind,
- lapply(
- c(1:22),
- function(i){
- if(dim(summary(fits[[i]])$coefficients)[1]!=0) {
- data.frame(
- dep=names(fits[[i]]$coefficients),
- summary(fits[[i]])$coefficients,
- respond=as.character(fits[[i]]$formula)[2],
- modelo=i,
- AIC=AIC(fits[[i]]),
- BIC=BIC(fits[[i]]),
- Desvianza=fits[[i]]$deviance,
- R=1-fits[[i]]$df.residual/fits[[i]]$df.null
- )
- } else {
- NULL
- }
- }
- )
- )
Advertisement
Add Comment
Please, Sign In to add comment
Advertisement