Właściwie używana opcja regresji krokowej w Statgraphics (lub innych pakietach statystyk) umieszcza więcej mocy i informacji na wyciągnięcie ręki niż zwykła opcja regresji wielokrotnej, a jest to szczególnie przydatne do przesiewania dużej liczby potencjalnych zmiennych niezależnych i/lub dostrajania modelu przez …
Dlaczego miałbyś używać regresji krokowej?
Niektórzy badacze stosują regresję krokową aby przyciąć listę prawdopodobnych zmiennych objaśniających do oszczędnego zbioru „najbardziej użytecznych” zmiennych. Inni zwracają niewielką uwagę lub nie zwracają uwagi na wiarygodność. Pozwalają krokowej procedurze wybrać dla nich swoje zmienne.
Dlaczego badacz zastosował stopniową regresję wielokrotną?
Regresja krokowa może być używana jako narzędzie do generowania hipotez, wskazujące, ile zmiennych może być użytecznych oraz identyfikujące zmienne, które są silnymi kandydatami do modeli predykcyjnych.
Dlaczego regresja krokowa jest kontrowersyjna?
Krytycy uważają tę procedurę za paradygmatyczny przykład pogłębiania danych, a intensywne obliczenia często nie są wystarczającym substytutem wiedzy specjalistycznej w danej dziedzinie. Dodatkowo, wyniki regresji krokowej są często używane nieprawidłowo bez dostosowania ich do występowania wyboru modelu
Jaka jest zaleta wyboru krokowego w porównaniu z najlepszym wyborem podzbioru?
Stepwise daje jeden model, który może być prostszy. Najlepsze podzbiory dostarczają więcej informacji, włączając więcej modeli, ale wybór jednego może być bardziej skomplikowany. Ponieważ Best Subsets ocenia wszystkie możliwe modele, przetwarzanie dużych modeli może zająć dużo czasu.
