混合段階的回帰: P 値停止ルールこんにちは、
混合段階回帰を実行しようとしています。
選択する分析する>フィットモデル。
応答列を選択し、 をクリックします。 Y、応答。
予測子の列を選択し、追加または、次のいずれかを使用しますマクロ高次の効果を含めたい場合。
の横にあるボタンをクリックします人格そして選択します段階的に。
クリック走る。
クリック最小 BICそして選択しますP 値のしきい値。
「進む」をクリックして選択します混合。
クリック行く。
出入りのP値はどのように決めればよいのでしょうか?? モデルを過剰に適合させたくない場合は?
Re: 混合ステップワイズ回帰: P 値まず第一に、ステップワイズ回帰は、劣ったモデルをすぐに拒否するための生産性ツールですが、最後のモデルが最良のモデルであることを保証できないことを理解してください。 そうかもしれない、あるいはそれに近いかもしれない。 あなたは介入しなければなりません。 2 番目に、結果は前方向または逆方向のガイド付き検索から得られます。 検索のパスでは、考えられる多くのモデルが検査されないため、最適なモデル (つまり、ローカルかグローバルか) を見逃している可能性があります。 第三に、データと推定誤差 (残差) を調べて、そのような検索を誤った方向に導く可能性のある異常なデータや線形回帰違反がないかどうかを判断する必要もあります。
ステップワイズ検索の基準の選択は重要です。 それぞれに長所と短所があります。 私は「経験則」をあまり使用しないので、高い R 平方が過剰適合の兆候であるとは考えていません。 それは起こります。 過剰適合とは、モデルが新しいデータに一般化されないことを意味しますが、これは状況において重要です。 調整された R 平方は、オーバーフィッティングに対処しようとします。 相互検証が最良の方法ですが、この方法を達成するためのさまざまな CV 手法のデータはあまりありません。 JMP Pro をお持ちの場合は、Bootstrap 機能を試してみてください。
2 番目のブロックは最初のブロックの単なる複製ですか、それとも最初のブロックには存在しない独自の処理が含まれていますか? また、2 番目のブロックの実行にかかるコスト (時間、お金など) はいくらですか。
Re: 混合ステップワイズ回帰: P 値こんにちは、マーク・ベイリーさん
私たちの質問のほとんどに丁寧に答えていただき、本当にありがとうございました。
段階的回帰に関する私の質問に答えてもらえますか?
完全応答曲面モデルを使用した 7 つの連続因子を使用したカスタム設計があります。 合計の計画には 2 つのブロックで 48 の実験が含まれます。 最初のブロックが終了した後、段階的回帰制御を使用してデータを適合させようとしました。 P 値のしきい値と最小 BIC を使用すると、同様のモデルが得られました。 どちらのモデルでも、P 値 <0.05、R^2=0.999998、Rsquare Adj = 0.99996 が得られました。 R^2=1 は、このモデルが過剰適合であることを意味します。 P 値が 0.05 未満であることは、モデルが有意であることを意味します。 このモデルをどう解釈すればよいでしょうか? ブロック 2 を実行しないだけで十分ですか?
Re: 混合ステップワイズ回帰: P 値停止ルールに基づくp -values は、Stepwise プラットフォームの最初の実装でした。 データまたは最適なモデルに関する事前知識がない場合は、デフォルト値を入力およびそのままにしておいても問題ありません。 (ただし、答えが分かっていれば、最適値を探すために段階的回帰を行う必要はありません。)
Stepwise は、データが過小適合または過適合しないことを保証しません。 これは、劣った適合を調べる時間を節約し、最良の適合ではないにしても、それに近づける「生産性」ツールです。
最新の基準には、AICc と BIC が含まれます。 どちらの基準も、分散（過適合）を最小限に抑えながら、バイアス（過小適合）を最小限に抑えようとします。 のような絶対的なしきい値は必要ありません。 p -value 停止ルール。 これらの停止ルールのいずれかを使用することをお勧めします。
履歴により、検索パス中に発生したさまざまなモデルの重要な情報を調べることができます。 このリストの右側にあるラジオ ボタンを使用して、いずれかを選択できます。 次に、先頭に戻り、[モデルの作成] ([モデルのフィット] ダイアログの場合) または [モデルの実行] (最小二乗フィット プラットフォームの場合) をクリックすると、[効果の概要] テーブル内で微調整を行うことができます。
