단계적 회귀 vs 다변량 모델링-왜 둘 다?순진한 질문에 사과드립니다.하지만 연속적인 숫자 변수 목록이 있고 이항 범주 형 결과 변수에 크게 기여하는 것을 결정하려면 단계적 회귀가 아마도 goto 플랫폼이지만 반복적 인 다변량 모델링은 아닐 것임을 압니다. 일반화 된 이항 모델을 사용하는 접근 방식은 동일합니까? 특히 상호 작용을 보지 않거나 다르게 말하면 다변량 모델 플랫폼이 필요한 경우 다변량 방식보다 먼저 단계적 접근 방식을 수행하는 것이 이점이 있습니까? 한 걸음 더 나아가 변수를 나누고 싶다면 그 플랫폼이 겨에서 밀을 분류하지 않겠습니까?
해석학Re : 단계적 회귀 vs 다변량 모델링-왜 둘 다?오늘날 선택할 수있는 모델은 매우 많으며 각 모델 유형 내에서 그리고 모델 유형 사이에서 최상의 모델을 선택하는 여러 방법이 있습니다. 둘 이상의 모델 유형에서 둘 이상의 선택 방법을 사용하여 데이터, 응답 및 예측 변수에 대한 응답의 관계에 대해 많은 것을 배울 수 있습니다.
소유권 주장에 동의하지 않습니다. " 그 단계적 회귀는 아마도 goto 플랫폼 일 것입니다. "유용한 도구이지만 다른 방법과 마찬가지로 약점과 단점이 있습니다. 그리고 최상의 상황에서도 단계적 회귀는 최상의 모델을 찾는 것을 보장하지 않습니다. 사용자는 많은 수작업 (생산성)을 절약하고 최상의 모델에 도달하거나 가까이 도달하기를 바랍니다. 그러나 검색 방법의 결과는 선택한 경로에 따라 다릅니다.
일부 모델러는 최상의 모델을 선택하기 전에 유용한 예측 변수를 식별하려고합니다. Stepwise는 주로 모델 선택 방법입니다.
동일한 유형의 모델 (이항 응답이있는 GLM)을 사용하고 있지만 단계적 검색 방법과 수동 검색 방법의 차이를 고려하는 것처럼 들립니다. 그것이 사실이라면 동일한 결과를 기대할 것입니다.
해봤 어? 그렇다면 무엇을 배웠습니까? 오늘날 우수한 선택 방법이나 모델 유형은 없으므로 경험적 성능이 최종 단어입니다.
Re : 단계적 회귀 vs 다변량 모델링-왜 둘 다?나는 모든 것에 100 % 동의합니다. 뿡뿡 의 의견과 의견. @ 34 남 , 많은 사람들이이 온라인 웹 캐스트를보고 싶어합니다.
https://www.jmp.com/en_us/events/ondemand/analytically-speaking/to-explain-or-predict-that-is-the-question.html
Shmeuli 박사는 모델링 방법 선택과 관련하여 다르지만 중요한 주제를 많이 다룹니다.
마지막으로, JMP Pro를 사용하는 경우 여러 모델링 결과의 성능을 효율적으로 비교하는 데 특히 유용한 모델 비교 및 Formula Depot 플랫폼을 찾을 수 있습니다. 또한 범주 형 응답 데이터를 처리하는 데 능숙한 추가 모델링 플랫폼에 액세스 할 수 있습니다. 예를 들어, 불이익을받은 회귀 및 PLS 플랫폼이 매우 유용 할 수 있습니다.
