• Q

• 我如何選擇最佳子集迴歸和逐步迴歸？

• A

• 最佳子集迴歸和逐步迴歸的比較 

   

  最佳子集迴歸 (Best subsets regression) 提供許多不同模型的配適資訊，讓您基於四種不同統計量選擇一個模型。逐步迴歸 (Stepwise regression) 基於一個統計量，產生單一個模型。由於在每個模型中使用不同的選擇標準，最佳子集迴歸和逐步迴歸，將可能導致不同的模型。選擇使用哪種方法的一般準則如下：

  • 對於少量的預測因子個數，最佳子集迴歸優於逐步迴歸，因為它提供了更多模型的資訊。
  • 最佳子集 (Best subsets) 只允許您有 31 個自由預測因子，因此對於擁有大量預測因子的資料集，逐步迴歸優於最佳子集迴歸。當使用逐步迴歸於大量預測因子之資料集時，選擇大的 alpha-to-enter 和 alpha-to-remove 水準 (0.25 至 0.50)。這使得您了解更多關於每個輸入因子，對於反應變數和已在模型中之預測因子的效應影響。

   

   

   

   

          原廠英文解答

   

< 回上一層