Når er trinnvis regresjon passende? Trinnvis regresjon er en passende analyse når du har mange variabler og du er interessert i å identifisere en nyttig delmengde av prediktorene I Minitab legger standard trinnvis regresjonsprosedyre både til og fjerner prediktorer én etter én tid.
Hvorfor bør du ikke bruke trinnvis regresjon?
De viktigste ulempene med trinnvis multippel regresjon inkluderer bias i parameterestimering, inkonsistens mellom modellvalgalgoritmer, et iboende (men ofte oversett) problem med testing av flere hypoteser, og en upassende fokus eller avhengighet av én enkelt beste modell.
Hva er hensikten med trinnvis regresjon?
Typer av trinnvis regresjon
Det underliggende målet med trinnvis regresjon er, gjennom en serie med tester (f.eks. F-tester, t-tester) å finne et sett med uavhengige variabler som signifikant påvirke den avhengige variabelen.
Bør jeg bruke trinnvis regresjon fremover eller bakover?
Bakovermetoden er generelt den foretrukne metoden, fordi forovermetoden produserer såk alte suppressoreffekter. Disse undertrykkende effektene oppstår når prediktorer bare er signifikante når en annen prediktor holdes konstant.
I hvilken spesifikk applikasjon brukes trinnvis regresjon i dag?
Trinnvise regresjonsprosedyrer brukes i data mining, men er kontroversielle. Det er kommet flere kritikkpunkter. Selve testene er partiske, siden de er basert på de samme dataene.
