Ich habe den folgenden R-Code verwendet, um ein Probit-Modell anzupassen:
p1 <- glm(natijeh ~ ., family=binomial(probit), data=data1)
stepwise(p1, direction='backward/forward', criterion='BIC')
Ich will wissen , was macht stepwise
und backward/forward
genau das tun , und wie die Variablen wählen?
r
probit
stepwise-regression
Mahmoud
quelle
quelle
Antworten:
Prinzip der schrittweisen Auswahl
Sie wiederholen 2. bis es keine Reduzierung des BIC gibt. Sie haben nur ein lokales Minimum an BIC, was bedeutet, dass Sie möglicherweise nicht das beste Modell unter allen möglichen Auswahlmöglichkeiten von Teilmengen von Variablen erhalten. Aber es gibt normalerweise zu viele von ihnen, so dass dies ein Weg ist, ein bisschen zu optimieren, ohne zu viel Arbeit.
Siehe auch Schrittweise Regression und Modellauswahl auf Wikipedia.
quelle
Die schrittweise Regression passt im Wesentlichen zum Regressionsmodell, indem Kovariaten nacheinander basierend auf einem bestimmten Kriterium hinzugefügt / gelöscht werden (in Ihrem obigen Beispiel würde das Kriterium auf dem BIC basieren).
Wenn Sie vorwärts angeben
R
, sagen Sie, dass Sie mit dem einfachsten Modell (dh einer Kovariate) beginnen und dann jeweils eine Kovariate hinzufügen möchten, wobei nur diejenigen beibehalten werden, die zu einer Verbesserung des Modell-BIC führen.Wenn Sie rückwärts angeben
R
, sagen Sie, dass Sie mit dem vollständigen Modell (dh dem Modell mit allen Kovariaten) beginnen und dann nacheinander Kovariaten löschen möchten, was zu einer Verbesserung des BIC führt.Die schrittweise Regression kann ein sehr gefährliches statistisches Verfahren sein, da es kein optimales Modellauswahlverfahren ist. Die Methode kann zu einer sehr schlechten Modellauswahl führen, da sie Sie nicht vor Problemen wie Mehrfachvergleichen schützt.
quelle