fbpx

Słownik

START | EDUKACJA | SŁOWNIK | Metoda krokowa (analiza regresji)

Metoda krokowa (analiza regresji)

Metoda krokowa – znana również jako metoda “stepwise regression” – to technika wyboru zmiennych do modelu regresji, która łączy elementy metod selekcji postępującej (forward selection) i eliminacji wstecznej wstecznej (backward elimination). W metodzie krokowej model regresji jest stopniowo budowany przez dodawanie lub usuwanie zmiennych w kolejnych krokach na podstawie określonych kryteriów statystycznych.

Proces rozpoczyna się od modelu bazowego, który może być pusty (bez zmiennych niezależnych) lub zawierać wszystkie zmienne. W każdym kroku metoda ocenia, które zmienne powinny zostać dodane lub usunięte. W przypadku selekcji postępującej, wybierana jest zmienna najlepiej wpływająca na dopasowanie modelu. W przypadku selekcji wstecznej usuwana jest zmienna, której usunięcie najmniej pogarsza dopasowanie modelu. Kryteria wyboru zmiennych mogą obejmować statystyki takie jak wartość p w teście t, F-statystyka, współczynnik determinacji R-kwadrat czy kryterium informacyjne Akaikego (AIC).

Metoda krokowa jest popularna ze względu na jej zdolność do efektywnego przeszukiwania przestrzeni możliwych modeli – zwłaszcza wtedy, gdy dostępnych jest wiele zmiennych niezależnych. Metoda ta może jednak prowadzić do wyboru modeli nadmiernie dopasowanych. Ryzyko to pojawia się przede wszystkim w sytuacjach, gdy liczba zmiennych jest duża w stosunku do liczby obserwacji. Ponadto wyniki mogą być wrażliwe na kolejność, w jakiej zmienne są testowane i dodawane do modelu.

COFNIJ

wróć do spisu wszystkich pojęć

Podziel się wiedzą

z innymi

Opinie Klientów

Co o nas sądzą?

Współpracowaliśmy

między innymi z:

Nasi partnerzy