逐步回归分析与最小二乘回归你好，
我遇到问题，使用逐步回归实际上表明只有 1 个因素很重要，但运行直接最小二乘回归实际上表明多个因素很重要。 有什么理由会这样吗？
记录
伊凡
回复：逐步回归分析与最小二乘回归这是不是罕见的事件。此链接提供了一个使用 JMP 样本数据表的示例。
https://www.seas.upenn.edu/~ese302/extra_mtls/STEPWISE_REGRESSION.pdf
它建议使用混合逐步（<0.25 进入和 > 0.10 移除）或使用诸如找到具有 K 因子的最佳模型之类的东西。有许多数据问题可能导致这种情况发生。 最常见的是：多重共线性、相互作用、缺失分类/分组因素和缺失数据。最小二乘回归假设独立因素；共线性意味着某些因素是相关的。
可能有助于解释此现象的一个场景是：假设电参数 Y 是导电薄膜厚度和结构面积的函数，其次是薄膜的光滑度（无块状、气泡或凹坑）。 数据集有薄膜厚度、结构长度和结构宽度。逐步可能包括厚度，但不单独包括长度和宽度，但这两个因素一起非常重要。但在这种情况下，如果对面积（长度 * 宽度，长度和宽度的相互作用）进行建模，则模型会更强大。
我希望您发现 pdf 推荐有用。
