La régression pas à pas (souvent appelée régression en avant ou en arrière) implique l'ajustement d'un modèle de régression et l'ajout ou la suppression de prédicteurs basés sur t t statistiques, R 2 R2 ou des critères d'information pour arriver de manière * par étapes * à un modèle final. Cette balise peut également être utilisée pour la sélection avant, l'élimination vers l'arrière et les meilleures stratégies de sélection de variables de sous-ensembles.
J'aimerais implémenter un algorithme pour la sélection automatique de modèles. Je pense faire une régression par étapes, mais tout ira bien (il faut que cela soit basé sur des régressions linéaires). Mon problème est que je suis incapable de trouver une méthodologie, ou une implémentation open...
J'ai un ensemble de données avec environ 30 variables indépendantes et j'aimerais construire un modèle linéaire généralisé (GLM) pour explorer la relation entre elles et la variable dépendante. Je suis conscient que la méthode qui m'a été enseignée pour cette situation, la régression par étapes,...
Dans un ensemble de données de deux populations qui ne se chevauchent pas (patients et en bonne santé, total ), je voudrais trouver (sur variables indépendantes) des prédicteurs significatifs pour une variable dépendante continue. Il existe une corrélation entre les prédicteurs. Je voudrais savoir...
Prenons par exemple un modèle de régression linéaire. J'ai entendu dire que, dans l'exploration de données, après avoir effectué une sélection par étapes basée sur le critère AIC, il est trompeur de regarder les valeurs de p pour tester l'hypothèse nulle selon laquelle chaque véritable coefficient...
Je suis tout nouveau sur cette chose R, mais je ne sais pas quel modèle sélectionner. J'ai fait une régression pas à pas en sélectionnant chaque variable en fonction de l'AIC le plus bas. Je suis venu avec 3 modèles dont je ne sais pas quel est le "meilleur". Model 1: Var1 (p=0.03) AIC=14.978 Model...
Je connais bien les problèmes de sélection pas à pas / avant / arrière dans les modèles de régression. Il existe de nombreux cas de chercheurs dénonçant les méthodes et pointant vers de meilleures alternatives. J'étais curieux de savoir s'il existe des histoires où une analyse statistique existe: a...
J'utilise le package R pénalisé pour obtenir des estimations réduites des coefficients pour un ensemble de données où j'ai beaucoup de prédicteurs et peu de connaissances sur ceux qui sont importants. Après avoir choisi les paramètres de réglage L1 et L2 et que je suis satisfait de mes...
Les méthodes algorithmiques de sélection des variables par étapes tendent à sélectionner des modèles qui biaisent plus ou moins toutes les estimations dans les modèles de régression ( ββ\beta s et leurs SE, valeurs p , statistiques F , etc.), et sont à peu près aussi susceptibles d'exclure les...
J'ai lu d'innombrables articles sur ce site qui sont incroyablement contre l'utilisation de la sélection pas à pas de variables en utilisant n'importe quel type de critère, qu'il s'agisse de valeurs p, AIC, BIC, etc. Je comprends pourquoi ces procédures sont en général assez médiocres pour la...
Je me demandais pourquoi les méthodes de sélection des modèles LASSO et LARS sont si populaires même si elles ne sont fondamentalement que des variations de la sélection pas à pas (et souffrent donc de la dépendance du chemin)? De même, pourquoi les méthodes GETS (General to Specific) pour la...
Supposons que je veuille construire un classificateur binaire. J'ai plusieurs milliers de fonctionnalités et seulement quelques dizaines d'échantillons. De la connaissance du domaine, j'ai une bonne raison de croire que l'étiquette de classe peut être prédite avec précision en utilisant seulement...
Dans R, la drop1commande sort quelque chose de bien. Ces deux commandes devraient vous donner une sortie: example(step)#-> swiss drop1(lm1, test="F") Le mien ressemble à ceci: > drop1(lm1, test="F") Single term deletions Model: Fertility ~ Agriculture + Examination + Education + Catholic +...
En psychologie et dans d'autres domaines, une forme de régression par étapes est souvent employée et implique les éléments suivants: Examinez les prédicteurs restants (il n'y en a pas dans le modèle au début) et identifiez le prédicteur qui entraîne le plus grand changement du carré r; Si la valeur...
La régression pas à pas avait été surutilisée dans de nombreux articles biomédicaux dans le passé, mais cela semble s'améliorer avec une meilleure éducation de ses nombreux problèmes. De nombreux critiques plus âgés le demandent cependant. Quelles sont les circonstances dans lesquelles la...
J'ajuste une régression logistique pas à pas sur un ensemble de données dans SPSS. Dans la procédure, j'adapte mon modèle à un sous-ensemble aléatoire qui est d'env. 60% de l'échantillon total, soit environ 330 cas. Ce que je trouve intéressant, c'est que chaque fois que je rééchantillonne mes...
Quelle est la valeur de p critique utilisée par la step()fonction dans R pour la régression pas à pas? Je suppose que c'est 0,15, mais mon hypothèse est-elle correcte? Comment puis-je changer la valeur de p
J'expérimente la régression pas à pas pour des raisons de diversité dans mon approche du problème. Donc, j'ai 2 questions: Quels sont les avantages de la régression pas à pas? Quelles sont ses forces spécifiques? Que pensez-vous de l'approche hybride, où vous utilisez la régression pas à pas pour...
J'ai utilisé le code R suivant pour s'adapter à un modèle probit: p1 <- glm(natijeh ~ ., family=binomial(probit), data=data1) stepwise(p1, direction='backward/forward', criterion='BIC') Je veux savoir ce que fait stepwiseet backward/forwardfait exactement et comment sélectionner les...
La documentation R pour l'un ou l'autre n'apporte pas beaucoup de lumière. Tout ce que je peux obtenir de ce lien est que l'utilisation de l'un ou l'autre devrait être correcte. Ce que je ne comprends pas, c'est pourquoi ils ne sont pas égaux. Réalité: La fonction de régression pas à pas dans R,...
Dans R, la stepcommande est censée vous aider à sélectionner les variables d'entrée de votre modèle, non? Ce qui suit provient de example(step)#-> swiss& step(lm1) > step(lm1) Start: AIC=190.69 Fertility ~ Agriculture + Examination + Education + Catholic + Infant.Mortality Df Sum of Sq...