Õige kasutamise korral annab Statgraphicsi (või muude statistikapakettide) astmelise regressiooni valik saab teie käeulatusse rohkem jõudu ja teavet kui tavaline mitmekordne regressioonivalik ja see on eriti oluline kasulik suure hulga potentsiaalsete sõltumatute muutujate sõelumiseks ja/või mudeli peenhäälestamiseks …
Miks kasutada astmelist regressiooni?
Mõned uurijad kasutavad astmelist regressiooni , et kärpida usutavate selgitavate muutujate loendit kuni „kõige kasulikumate” muutujate tagasihoidliku koguni. Teised pööravad usutavusele vähe tähelepanu või üldse mitte. Nad lasevad astmelisel protseduuril enda jaoks muutujad valida.
Miks uurija kasutas astmelist mitmikregressiooni?
Sammulist regressiooni saab kasutada hüpoteesi loomise vahendina, mis annab näite selle kohta, kui palju muutujaid võib olla kasulik ja tuvastab muutujad, mis on ennustusmudelite jaoks tugevad kandidaadid.
Miks on astmeline regressioon vastuoluline?
Kriitikud peavad seda protseduuri andmete süvendamise paradigmaatiliseks näiteks, kuna intensiivne arvutus on sageli ebapiisav asendaja ainevaldkonna asjatundlikkusele. Lisaks kasutatakse astmelise regressiooni tulemusi sageli valesti, ilma et neid kohandataks vastav alt mudelivaliku esinemisele
Mis on astmelise valiku eelis võrreldes parima alamhulga valikuga?
Stepwise annab ühe mudeli, mis võib olla lihtsam. Parimad alahulgad pakuvad rohkem teavet, kaasates rohkem mudeleid, kuid ühe valimine võib olla keerulisem. Kuna Best Subsets hindab kõiki võimalikke mudeleid, võib suurte mudelite töötlemine võtta kaua aega.
