Hallo,
Ich habe ein Problem damit, dass die Verwendung der schrittweisen Regression tatsächlich zeigt, dass nur ein Faktor signifikant ist, aber die Ausführung einer direkten Regression der kleinsten Quadrate tatsächlich zeigt, dass mehrere Faktoren signifikant sind. Gibt es einen Grund dafür, dass das so ist?
Rgrds
Irfan
Das ist nicht ein ungewöhnliches Ereignis.Dieser Link bietet ein Beispiel für die Verwendung einer JMP-Beispieldatentabelle.
https://www.seas.upenn.edu/~ese302/extra_mtls/STEPWISE_REGRESSION.pdf
Es wird empfohlen, eine gemischte schrittweise Methode zu verwenden (<0,25 zum Eingeben und > 0,10 zum Entfernen) oder so etwas wie die Suche nach dem besten Modell mit K-Faktoren zu verwenden.Es gibt viele Datenprobleme, die dazu führen können. Die häufigsten sind: Multikollinearität, Interaktionen, fehlende kategoriale/Gruppierungsfaktoren und fehlende Daten.Die Regression der kleinsten Quadrate geht von unabhängigen Faktoren aus; Mutikollinearität bedeutet, dass einige der Faktoren korrelieren.
Ein Szenario, das dieses Phänomen erklären könnte, ist: Angenommen, Y, ein elektrischer Parameter, ist eine Funktion der Dicke des leitfähigen Films und der Fläche der Struktur und in zweiter Linie der Glätte des Films (keine Klumpen, Blasen oder Grübchen). Der Datensatz umfasst Filmdicke, Strukturlänge und Strukturbreite.„Schrittweise“ kann die Dicke umfassen, jedoch nicht die Länge oder Breite allein, aber zusammen sind die beiden Faktoren von großer Bedeutung.Aber wenn in diesem Fall die Fläche (Länge * Breite, eine Wechselwirkung zwischen Länge und Breite) modelliert würde, wäre das Modell noch stärker.
Ich hoffe, dass Sie die PDF-Empfehlungen nützlich finden.
