Metoda eliminacji wstecznej (analiza regresji)
Metoda eliminacji wstecznej (backward elimination) to technika wyboru zmiennych do modelu regresji. Rozpoczyna się od modelu zawierającego wszystkie potencjalne zmienne niezależne, a następnie stopniowo usuwa te zmienne, które najmniej przyczyniają się do dopasowania modelu.
W metodzie eliminacji wstecznej początkowo tworzy się model regresji zawierający wszystkie dostępne zmienne niezależne. Następnie w każdym kroku procesu usuwana jest jedna zmienna – zazwyczaj ta, która ma najmniejszą statystyczną istotność, mierzoną np. przez wartość p w teście t. Proces kontynuowany jest do momentu, gdy wszystkie pozostałe w modelu zmienne mają istotny statystycznie wpływ na zmienną zależną.
Metoda eliminacji wstecznej jest szczególnie przydatna, gdy początkowy zestaw zmiennych jest duży i istnieje potrzeba zredukowania modelu do prostszej w zarządzaniu liczby zmiennych, jednocześnie zachowując te, które mają największe znaczenie dla zmiennej zależnej. Metoda ta sprawdza się również w sytuacjach, gdzie istnieje ryzyko nadmiernego dopasowania modelu ze względu na dużą liczbę zmiennych niezależnych. Podobnie jak w innych metodach krokowych istnieje ryzyko, że eliminacja zmiennych na wczesnym etapie może wpłynąć na ocenę istotności pozostałych zmiennych. To może natomiast prowadzić do pominięcia ważnych zmiennych w ostatecznym modelu.
