R：重回帰の変数選択、パーセンテージ依存変数、重大な共線性

Question

モデルを1つのパーセンテージ（従属）変数に合わせるために選択しようとしている9つの連続する独立変数を持つデータセットがあります。スコア。

残念ながら、いくつかの変数の間に重大な共線性があることはわかっています。

私は変数選択のためのRでstepAIC機能を使用してみましたが、その方法は、奇妙な、変数は式に示されている順序に敏感なようだ...

ここに私のRコードは（です）それはパーセントデータだ/ C、私はスコアのためのロジット変換を使用B：

library(MASS) 
library(car) 

data.tst = read.table("data.txt",header=T) 
data.lm = lm(logit(Score) ~ Var1 + Var2 + Var3 + Var4 + Var5 + Var6 + Var7 + Var8 + Var9, data = data.tst) 

step = stepAIC(data.lm, direction="both") 
summary(step) 

何らかの理由で、私は式の冒頭に記載されている変数はstepAIC機能によって選択されてしまうことがわかった、とVar9を最初に（チルダの後に）リストすることで、結果を操作できます。

ここでモデルをフィッティングする方法として、より効果的（論争の少ないもの）はありますか？私は実際に線形回帰を使用して死んでいるわけではありません。唯一必要なことは、9つの変数のどれが本当にScore変数のバリエーションを推進しているのかを理解できることです。これは、これらの9変数の共線性の可能性を考慮した方法であることが好ましい。

私はこれは難しい質問ですけど、私は本当にあなたがそれを見て時間を割いて感謝...

ベスト、 ジュリー

Answer 1

はあなたが主成分分析（統計情報:: prcompをお勧めします）。

Avril Coghlan著の「多変量解析のためのRリトルブック」のセクション2.7を参照してください。彼は様々なワイン生産者のダウンロードデータを使って素敵な例を挙げています。

Answer 2

ベイジアンモデル平均化（RのBMSパッケージを使用）を使用しています。