Askelittainen regressio
Askelittainen regressio on monimuuttujaregressiossa käytettävä automatisoitu muuttujien valintamenetelmä, joka lisää tai poistaa ennustavia muuttujia yksi kerrallaan tilastollisen kriteerin, tyypillisesti F-testisuureen tai p-arvokynnyksen, perusteella. Efroymson (1960) kuvasi muodollisesti eteenpäin suuntautuvan valinta-algoritmin, ja kaksisuuntaista muunnelmaa popularisoivat Draper ja Smith merkittävässä vuoden 1966 teoksessaan Applied Regression Analysis. Menetelmän laajasta historiallisesta käytöstä huolimatta sitä kritisoidaan nykyään laajalti, minkä vuoksi sen dokumentointi on välttämätöntä missä tahansa kanonisessa menetelmäkirjastossa.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Efroymson, M. A. (1960). Multiple regression analysis. In A. Ralston & H. S. Wilf (Eds.), Mathematical Methods for Digital Computers (pp. 191–203). Wiley. link ↗
- Draper, N. R., & Smith, H. (1966). Applied Regression Analysis (1st ed.). Wiley. ISBN: 9780471221708
- Draper, N. R., & Smith, H. (1998). Applied Regression Analysis (3rd ed.). Wiley. ISBN: 9780471170822
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Stepwise Variable Selection in Multiple Regression. ScholarGate. https://scholargate.app/fi/statistics/stepwise-regression
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Elastic NetKoneoppiminen↔ compare
- Lasso-regressioKoneoppiminen↔ compare
- Monimuuttujainen lineaarinen regressioTilastotiede↔ compare
- Osittainen pienimmän neliösumman regressio (PLS)Koneoppiminen↔ compare
- HarjanneregressioKoneoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →