R vif() 以及 step()

library(package="car")
data <- read.csv("C:\users\mike1\desktop\data\RData\hald水泥数据.csv", header=T, sep=",",fileEncoding = "utf-8", stringsAsFactors = FALSE)
data1 <- data[2:dim(data)[2]]
data1

cor(data1)
scatterplotMatrix(data1, main="correlation")

result <- lm(y~., data=data1)
summary(result)

vif(result)  # we can directly use the function not like python class
step(result,direction="forward")
step(result,direction="backward")
step(result, direction="both")

myStep <- step(result, direction="both")
myStep1 <- step(result,direction="backward",trace=2)


summary(myStep)
summary(myStep1)



vif(myStep)

共线性，显示各变量之间有强相关，vif()函数在 car包中， 而step() 函数内置。

偏相关图

相关系数图：

逐步回归图

以上只截取了部分图，但是结果与书上的不一样。最后虽然使用的是逐步回归，但是有一个系数不显著，不知道为什么没把 x4.1这个变量去掉，只能手动选择x1, x2 作为变量。