Hola,
Tengo un problema por el cual, al usar la regresión por pasos, en realidad muestra que solo 1 factor es significativo, pero al ejecutar una regresión directa de mínimos cuadrados, en realidad muestra que múltiples factores son significativos. ¿Alguna razón para que esto sea así?
Saludos
Irfan
Esto es no una ocurrencia poco común.Este enlace proporciona un ejemplo utilizando una tabla de datos de muestra de JMP.
https://www.seas.upenn.edu/~ese302/extra_mtls/STEPWISE_REGRESSION.pdf
Recomienda usar paso a paso mixto (<0.25 para ingresar y> 0.10 para eliminar) o usar algo como encontrar el mejor modelo con factores K.Hay muchos problemas de datos que pueden hacer que esto suceda. Los más comunes son: multicolinealidad, interacciones, factores categóricos/agrupados faltantes y datos faltantes.La regresión de mínimos cuadrados asume factores independientes; la muticolinealidad significa que algunos de los factores están correlacionados.
Un escenario que podría ayudar a explicar este fenómeno es: supongamos que Y, un parámetro eléctrico, es una función del grosor de la película conductora y el área de la estructura y, en segundo lugar, la suavidad de la película (sin grumos, burbujas ni picaduras). El conjunto de datos tiene espesor de película, longitud de estructura y ancho de estructura.Paso a paso podría incluir el grosor, pero no solo el largo ni el ancho, pero juntos, los dos factores son muy importantes.Pero en este caso, si se modelara el área (largo * ancho, una interacción de largo y ancho), el modelo sería aún más fuerte.
Espero que encuentres útiles las recomendaciones en pdf.
