(1)plot(lm.ridge(GDP~Consume+Investment+IO+Population+Jobless+Goods,data=dat,lambda=seq(0,0.3,0.001)))#和线性回归类似,这个plot可以画出岭迹图,lambda=seq(0,0.3,0.001)设置范围和间隔,可以观察岭迹图,人工选择,但是这样主观性较强。(2)select(lm.ridge(GDP~Consume+Investment+IO+Population+Jobless+Goods,data=dat,lambda=seq(0,0.3,0.001)))#利用select
函数找出最优岭参数lambda,会有三个值,任选一个即可。lm.ridge(GDP~Consume+Investment+IO+Population+Jobless+Goods,data=dat,lambda=0.09)#通过(1)或(2)把选取的lmbda参数写到岭回归函数中去,在这里lambda=0.09。cor()函数可以提供双
变量之间的相关
系数,还可以用scatterplotMatrix()函数生成散点图矩阵
不过R语言没有直接给出偏相关的函数;
我们要是做的话,要先调用cor.test()对变量进行Pearson相关性分析,
得到简单相关系数,然后做t检验,判断显著性。