我试图通过进行逻辑回归来找到销售汽车的人的预测变量。我的样本大小为n = 922，并且大多数具有kardinal和ordinal变量。 由于我的某些变量具有多达7个类别（-> 6个虚拟变量），因此遇到了分离现象。 在文献中，他们推荐了Firth的偏倚减少逻辑回归方法。
安装软件包后，我使用以下公式：
logistf(formula = attr(data, "formula"), data = sys.parent(), pl = TRUE, ...)
并输入（或尝试输入）我的数据：
mydataBrAll <- logistf(formula = attr(mydataBr$Verkauft, "formula"), data = mydataBr, pl = FALSE)
summary(mydataBrAll)
Verkauft 是我的因变量，而 mydataBr 是我的数据
必须在“公式” 中输入哪种术语？ 如果这行得通，我是否可以像在常规log.reg中一样使用逐步向后算法（或伪R²等）。型号？：
'Backwards Selection'
backwards <- step(mydataBrAll, direction = "backward")
有些人可能认为这是一个简单的问题，但是我无法借助在线说明来解决。
非常感谢您的帮助！
答案 0 :(得分：0)
公式应该是R中大多数建模函数（例如lm()，glm()等）中使用的常规公式对象。
通过在R命令行中输入help(formula)，可以获得有关如何编写公式的详细信息。
基本上，公式是y ~ model形式的表达式。引用help(formula)的详细信息部分：
形式为y〜model的表达式被解释为一种规范，即响应y由模型象征性地指定的线性预测变量建模。
在您的示例中，假设您有3个预测变量，分别为x1，x2，x3（可以是numeric或factor变量），可以写：
mydataBrAll <- logistf(formula = Verkauft ~ x1 + x2 + x3, data = mydataBr, pl = FALSE)
summary(mydataBrAll)
请注意，公式可能更复杂，并且涉及预测变量的转换。同样，有关更多详细信息，请参见formula的文档。
请注意，attr(data, "formula")文档中显示的logistf()表达式是函数签名（又称API）的一部分，是指可能存在于formula中的属性。对象，该对象包含要在函数的data参数中传递的数据。由于您的示例中不是这种情况（显然您没有将该属性添加到数据对象中），因此在调用logistf()时必须显式定义公式。
有关对象中的属性的更多信息，请参见help(attr)。
关于向后选择的第二个问题：在logistf()文档的“详细信息”部分，您会看到以下句子：
此外，前进和后退功能可以方便地选择变量
即该软件包包含forward()和backward()函数，可用于执行预测变量的前向和后向选择。
step()函数也可能起作用，因为在其文档页面中没有相反的指示。