Regression model
逐步回归
逐步回归是一种用于多元线性回归的自动化变量选择程序，它根据统计标准（通常是 F 统计量或 p 值阈值）一次添加或删除预测变量。前向选择算法由 Efroymson (1960) 正式描述，双向变体由 Draper 和 Smith 在他们具有里程碑意义的 1966 年著作《回归分析应用》中推广。尽管该方法历史上被广泛使用，但现在已受到广泛批评，因此在其规范方法库中对其进行记录至关重要。
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
Method map
The neighbourhood of related methods — select a node to explore.
来源
- 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
如何引用本页
ScholarGate. (2026, June 3). Stepwise Variable Selection in Multiple Regression. ScholarGate. https://scholargate.app/zh/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.
- 弹性网络 (Elastic Net)机器学习↔ compare
- Lasso 回归机器学习↔ compare
- 多元线性回归统计学↔ compare
- 偏最小二乘回归 (PLS)机器学习↔ compare
- 岭回归（Ridge Regression）机器学习↔ compare