当我们递增地添加预测值时，获取线性回归模型的R平方值列表

我有一个基于14个x值（x1到x14）预测y的回归。我想写一个做回归的循环，循环的每次迭代都会给回归增加一个预测器，然后告诉我r平方是多少。这是我的密码：

rsqvals <- rep(NA, 15)
for (i in 1:15){
  simtemp2 <- simdata[, 1:i]
  modeL <- lm(y ~ ., data=simtemp2)
  rsqvals[i] <- summary(modeL)$r.squared
}

---

rsqvals看起来您在第一次迭代中对data.frame进行了过多的子集设置。在您的第一次迭代中，您将得到
simtemp2，您需要在simtemp2中包含y。您是想按使R平方增加最多的预测值的顺序添加预测值，还是仅按增加列索引的顺序添加预测值？谢谢！这段代码运行得很好。我可以问一下为什么在截取对象中用“1”来预测y吗？它恰好是R用来识别没有预测变量的公式的符号。它只是告诉
lm（）
如果只有一个截距项，则执行线性回归，因此得到一条水平线，即
y
列的平均值
rsqvals <- rep(NA, 15)

interceptonly <- lm(y~1,data=simdata) ### no features, only the intercept
### this isn't statistically meaningful, but I put it here for completeness
rsqvals[1] <- summary(interceptonly)$r.squared
for (i in 2:15){
   simtemp2 <- simdata[, 1:i]
   modeL <- lm(y ~ ., data=simtemp2)
   rsqvals[i] <- summary(modeL)$r.squared
}
print(rsqvals)