Bonjour à tous,
Utilisant classiquement des régressions linéaires classiques sous R, j'ai l'habitude d'utiliser la fonction stepAIC pour sélectionner seulement les variables explicatives les plus importantes.
Mon problème est que cette fois ci, compte tenu de la nature de ma variable à expliquer, je dois utiliser une régression tronquée (truncreg) et la fonction stepAIC ne permet pas de travailler sur les outputs d'une régression tronquée, on obtient alors le message erreur suivant :
Error in UseMethod("extractAIC") :
no applicable method for 'extractAIC' applied to an object of class "c('truncreg', 'maxLik')"
Je pense comprendre que la fonction stepAIC est paramétrée sur les outputs d'une régression classique (30 sorties différentes), ainsi les outputs de la fonction truncreg étant plus limités (14), la fonction stepAIC doit manquer d'éléments pour effectuer le calcul.
Un naïf coup d’œil sur le code de la fonction stepAIC montre en effet qu'elle appelle différents outputs de glm, qui sont sans doute différent dans truncreg.
Bref, en deux mots ma question :
1. Est-il idiot de vouloir implémenter une procédure AIC sur une régression tronquée, compte tenu des spécificités de cette dernière? si oui, ce post n'est pas une question R mais une question statistique et je m'en excuse.
2. Si cela paraît plausible (ce que je soupçonne car cela semble l'être sur STATA), existe t-il un moyen contourné d'implémenter stepAIC sur une régression tronquée avec de nombreuses variables explicatives pour en sélectionner les plus pertinentes?
Merci d'avance,
David