Richtig verwendet, stellt die schrittweise Regressionsoption in Statgraphics (oder anderen Statistikpaketen) Ihnen mehr Aussagekraft und Informationen zur Verfügung als die gewöhnliche multiple Regressionsoption, und das ist besonders gut nützlich, um eine große Anzahl potenzieller unabhängiger Variablen zu sichten und/oder ein Modell zu optimieren, indem …
Warum würden Sie eine schrittweise Regression verwenden?
Einige Forscher verwenden die schrittweise Regression, um eine Liste plausibler erklärender Variablen auf eine sparsame Sammlung der „nützlichsten“Variablen zu reduzieren. Andere achten wenig oder gar nicht auf Plausibilität. Sie lassen das schrittweise Verfahren ihre Variablen für sich auswählen.
Warum verwendete der Forscher die schrittweise multiple Regression?
Schrittweise Regression kann als Werkzeug zur Hypothesengenerierung verwendet werden, einen Hinweis darauf geben, wie viele Variablen nützlich sein können und Variablen identifizieren, die starke Kandidaten für Vorhersagemodelle sind.
Warum ist die schrittweise Regression umstritten?
Kritiker sehen das Verfahren als paradigmatisches Beispiel für Datenausbaggerung, da intensives Rechnen oft ein unzureichender Ersatz für Fachexpertise ist. Außerdem werden die Ergebnisse der schrittweisen Regression oft falsch verwendet, ohne sie für das Auftreten von Modellselektionen anzupassen
Was ist der Vorteil der schrittweisen Auswahl im Vergleich zur besten Teilmengenauswahl?
Ergibt schrittweise ein einzelnes Modell, das einfacher sein kann. Die besten Untergruppen bieten mehr Informationen, indem mehr Modelle eingeschlossen werden, aber es kann komplexer sein, eine auszuwählen. Da Best Subsets alle möglichen Modelle bewertet, kann die Verarbeitung großer Modelle lange dauern.
