När är stegvis regression lämplig? Stegvis regression är en lämplig analys när du har många variabler och du är intresserad av att identifiera en användbar delmängd av prediktorerna I Minitab lägger standardproceduren stegvis regression både till och tar bort prediktorer en i taget tid.
Varför ska du inte använda stegvis regression?
De huvudsakliga nackdelarna med stegvis multipel regression inkluderar bias i parameteruppskattning, inkonsekvenser mellan modellvalsalgoritmer, ett inneboende (men ofta förbisett) problem med multipel hypotestestning och en olämplig fokus på eller beroende av en enda bästa modell.
Vad är syftet med stegvis regression?
Typer av stegvis regression
Det underliggande målet med stegvis regression är att genom en serie tester (t.ex. F-tester, t-tester) att hitta en uppsättning oberoende variabler som signifikant påverka den beroende variabeln.
Ska jag använda stegvis regression framåt eller bakåt?
Bakåtmetoden är generellt den föredragna metoden, eftersom den framåtriktade metoden ger så kallade suppressoreffekter. Dessa suppressoreffekter uppstår när prediktorer endast är signifikanta när en annan prediktor hålls konstant.
I vilken specifik tillämpning används stegvis regression idag?
Stegvisa regressionsprocedurer används i datautvinning, men är kontroversiella. Flera kritikpunkter har framförts. Testerna i sig är partiska eftersom de är baserade på samma data.
