fbpx

Słownik

START | EDUKACJA | SŁOWNIK | Metoda selekcji postępującej (analiza regresji)

Metoda selekcji postępującej (analiza regresji)

Metoda selekcji postępującej – znana również jako metoda “forward selection” w analizie regresji – to technika wyboru zmiennych do modelu regresji, która rozpoczyna się od modelu zawierającego żadnych lub bardzo mało zmiennych niezależnych, a następnie stopniowo dodaje do modelu kolejne zmienne. W każdym kroku tej metody spośród zmiennych nieuwzględnionych w modelu wybierana jest ta, która najbardziej poprawia dopasowanie modelu. Zazwyczaj są one oceniane na podstawie kryterium statystycznego, takiego jak F-statystyka lub współczynnik R-kwadrat.

Proces dodawania zmiennych kontynuowany jest do momentu, gdy żadna z pozostałych zmiennych nie poprawia modelu w znaczący sposób lub do osiągnięcia określonego wcześniej kryterium zatrzymania, np. maksymalnej liczby zmiennych w modelu. Metoda selekcji postępującej jest szczególnie przydatna, gdy istnieje duża liczba potencjalnych zmiennych niezależnych, a badacz chce zidentyfikować najbardziej istotne z nich dla zmiennej zależnej. Jedną z zalet tej metody jest kontrola nad ryzykiem nadmiernego dopasowania, ponieważ model jest budowany stopniowo. Jednakże istnieje również ryzyko, że niektóre ważne zmienne mogą zostać pominięte, jeśli ich wpływ staje się istotny tylko po uwzględnieniu innych zmiennych w modelu.

COFNIJ

wróć do spisu wszystkich pojęć

Podziel się wiedzą

z innymi

Opinie Klientów

Co o nas sądzą?

Współpracowaliśmy

między innymi z:

Nasi partnerzy