DoE - 逐步回歸和最小二乘回歸之間的區別你好！
我很難理解逐步回歸和最小二乘回歸之間的區別。我通常在擬合模型時選擇標準最小二乘法作為個性，然後刪除 p 值高的因素。這樣的話，我的做法不就和逆向逐步法一樣了嗎？我也嘗試使用這兩種方法來分析我的數據，結果（模型中剩餘的因子數）是相同的。所以我真的不知道如何在這兩種方法之間進行選擇。
任何建議表示讚賞！
回复：DoE - 逐步回歸和最小二乘回歸之間的區別謝謝你們！它有助於澄清我的問題。
回复：DoE - 逐步回歸和最小二乘回歸之間的區別馬克當然是完全正確的。 我更喜歡從飽和（或完整）模型開始並自己刪除項（使用 R 方/R 方調整增量、RMSE 等），因為我不僅可以結合統計數據，還可以結合刪除項時的實際影響。
回复：DoE - 逐步回歸和最小二乘回歸之間的區別是的，您一次刪除一項的方法與 Stepwise 平台使用的向後方向相同。 該平台是一種生產力工具。 當模型有很多項時，它可以快速執行刪除。 您可以根據自己的喜好設置有關刪除和停止的參數。 然後可以將最終模型轉移到擬合最小二乘法以進行實際的回歸分析。 Stepwise 專用於模型選擇，而不是分析。
