Słownik
Metoda usuwania (analiza regresji)
Metoda usuwania (ang. backward elimination lub backward deletion) – to technika automatycznego wyboru zmiennych niezależnych do modelu regresji. Procedura rozpoczyna się od pełnego modelu zawierającego wszystkie rozważane predyktory, a następnie stopniowo usuwa zmienne, które w najmniejszym stopniu przyczyniają się do wyjaśniania lub przewidywania zmiennej zależnej.
Metoda usuwania rozpoczyna analizę od pełnego modelu i upraszcza go poprzez kolejne eliminowanie predyktorów niespełniających przyjętego kryterium pozostania w modelu. W każdym kroku model jest ponownie estymowany, a następnie oceniane jest znaczenie pozostałych zmiennych. Kryterium eliminacji może opierać się m.in. na wartości p, statystyce F lub kryteriach informacyjnych, takich jak AIC. Procedura kończy się wtedy, gdy żadna z pozostałych zmiennych nie spełnia warunku usunięcia.Metoda ta jest szczególnie użyteczna, gdy początkowy model zawiera wiele potencjalnych predyktorów i potrzebne jest jego uproszczenie. Nie oznacza to jednak, że zmienne pozostające w modelu są automatycznie „najważniejszymi” przyczynami badanego zjawiska. Usunięcie jednego predyktora może zmienić współczynniki i istotność pozostałych zmiennych, dlatego wynik procedury zależy od całej struktury zależności pomiędzy predyktorami. Szczególne znaczenie ma współliniowość. Silnie skorelowane zmienne mogą wzajemnie wpływać na swoje współczynniki regresji, np. betę i wartości p, przez co procedura może usunąć zmienną, która w innym zestawie predyktorów okazałaby się istotna.
