Słownik
Metoda selekcji postępującej (analiza regresji)
Metoda selekcji postępującej (ang. forward selection) – to technika automatycznego wyboru zmiennych niezależnych do modelu regresji. Procedura rozpoczyna się od modelu bez predyktorów lub zawierającego jedynie zmienne wprowadzone na stałe przez badacza, a następnie stopniowo dodaje kolejne predyktory.
W każdym kroku do modelu dodawana jest zmienna, która zgodnie z przyjętym kryterium najbardziej poprawia jego dopasowanie. Ocena może opierać się m.in. na wartości p, statystyce F lub kryteriach informacyjnych, takich jak AIC. Po dodaniu zmiennej model jest ponownie estymowany, a następnie sprawdza się, czy kolejny predyktor spełnia warunek wejścia do modelu. Procedura kończy się wtedy, gdy żadna z pozostałych zmiennych nie poprawia modelu w wystarczającym stopniu albo zostanie spełnione inne ustalone kryterium zatrzymania. W czystej selekcji postępującej zmienna raz włączona do modelu zwykle pozostaje w nim do końca procedury. Tym różni się ona od metody krokowej, w której po dodaniu nowego predyktora można ponownie oceniać i usuwać zmienne wcześniej wprowadzone do modelu. Jest też odwrotnością eliminacji wstecznej, która rozpoczyna analizę od pełnego zestawu predyktorów i stopniowo go redukuje.Metoda selekcji postępującej bywa przydatna, gdy liczba potencjalnych predyktorów jest duża i potrzebne jest szybkie uzyskanie prostszego modelu. Nie oznacza to jednak, że wybrane w ten sposób zmienne są automatycznie „najważniejsze” lub mają znaczenie przyczynowe. Szczególnym problemem może być współliniowość. Jeżeli dwa predyktory zawierają podobną informację, zmienna wprowadzona wcześniej może sprawić, że druga nie spełni już kryterium wejścia, mimo że w innym modelu mogłaby być istotna.
