逐步回歸分析與最小二乘回歸你好，
我遇到問題，使用逐步回歸實際上表明只有 1 個因素很重要，但運行直接最小二乘回歸實際上表明多個因素很重要。 有什麼理由會這樣嗎？
指標
伊凡
回复：逐步回歸分析與最小二乘回歸這是不是罕見的事件。此鏈接提供了一個使用 JMP 樣本數據表的示例。
https://www.seas.upenn.edu/~ese302/extra_mtls/STEPWISE_REGRESSION.pdf
它建議使用混合逐步（<0.25 進入和 > 0.10 移除）或使用諸如找到具有 K 因子的最佳模型之類的方法。有許多數據問題可能導致這種情況發生。 最常見的是：多重共線性、相互作用、缺失分類/分組因素和缺失數據。最小二乘回歸假設獨立因素；共線性意味著某些因素是相關的。
可能有助於解釋此現象的一個場景是：假設電參數 Y 是導電薄膜厚度和結構面積的函數，其次是薄膜的光滑度（無塊狀、氣泡或凹坑）。 數據集有薄膜厚度、結構長度和結構寬度。逐步可能包括厚度，但不單獨包括長度和寬度，但這兩個因素一起非常重要。但在這種情況下，如果對面積（長度 * 寬度，長度和寬度的相互作用）進行建模，則模型會更強大。
我希望您發現 pdf 推薦有用。
