Régression par étapes
La régression par étapes est une procédure automatisée de sélection de variables pour la régression linéaire multiple qui ajoute ou supprime des variables prédictives une à la fois selon un critère statistique, généralement la statistique F ou un seuil de valeur p. L'algorithme de sélection progressive a été décrit formellement par Efroymson (1960) et la variante bidirectionnelle a été popularisée par Draper et Smith dans leur ouvrage de référence de 1966, Applied Regression Analysis. Malgré une utilisation historique répandue, la méthode est aujourd'hui largement critiquée, rendant sa documentation essentielle dans toute bibliothèque de méthodes canoniques.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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
Comment citer cette page
ScholarGate. (2026, June 3). Stepwise Variable Selection in Multiple Regression. ScholarGate. https://scholargate.app/fr/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 NetApprentissage automatique↔ compare
- Régression LassoApprentissage automatique↔ compare
- Régression linéaire multipleStatistique↔ compare
- Régression par moindres carrés partiels (PLS)Apprentissage automatique↔ compare
- Régression RidgeApprentissage automatique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →