ステップワイズ回帰と多変量モデリング-なぜ両方なのか？私は素朴な質問をお詫びしますが、連続数値変数のリストがあり、それが二項カテゴリカル結果変数に大きく寄与するかどうかを判断したい場合、ステップワイズ回帰はおそらくgotoプラットフォームであることを知っていますが、反復多変量モデリングではありません一般化二項モデルを使用するアプローチは同じですか？多変量の前に段階的アプローチを実行することには利点がありますか？特に、相互作用を検討していない場合、または別の言い方をすると、多変量モデルプラットフォームがさらに必要ですか？さらに一歩踏み込んで、変数を分割したいのであれば、とにかくそのプラットフォームはもみ殻から小麦を選別しませんか？
分析Re：ステップワイズ回帰と多変量モデリング-なぜ両方なのか？今日から非常に多くのモデルを選択することができ、モデルの各タイプ内およびモデル間で最適なモデルを選択する多くの方法があります。複数のタイプのモデルで複数の選択方法を使用することにより、データ、応答、および予測子に対する応答の関係について多くを学ぶことができます。
私はその主張に同意しません " その段階的な回帰はおそらくgotoプラットフォームです。 「これは便利なツールですが、他の方法と同様、弱点と短所があります。そして、最良の状況でさえ、段階的回帰が最良のモデルを見つけることは保証されていません。ユーザーは、手作業（生産性）を大幅に削減し、最良のモデルに到達することを望んでいます。ただし、検索方法の結果は、たどったパスによって異なります。
一部のモデラーは、最適なモデルを選択する前に、有用な予測子を特定しようとします。Stepwiseは主にモデル選択方法です。
同じタイプのモデル（二項応答のGLM）を使用しているように聞こえますが、段階的検索方法と手動検索方法の違いを考慮しています。それが本当なら、私は同じ結果を期待します。
やってみましたか？もしそうなら、あなたは何を学びましたか？今日、優れた選択方法やモデルの種類はないため、経験的なパフォーマンスが最終的な結論です。
Re：ステップワイズ回帰と多変量モデリング-なぜ両方なのか？すべてに100％同意します @ markbailey＃@ markbailey＃ の意見と意見。 @ 34南 、あなたも多くはこのオンラインウェブキャストを見たいと思っています：
https://www.jmp.com/en_us/events/ondemand/analytically-speaking/to-explain-or-predict-that-is-the-question.html
Shmeuli博士は、モデリング方法の選択に関連する多くの異なるが重要なトピックをカバーしています。
最後に、JMP Proを使用している場合は、モデル比較とフォーミュラデポのプラットフォームが、複数のモデリング結果のパフォーマンスを効率的に比較するのに特に役立ちます。また、カテゴリカルレスポンスデータの処理に優れた追加のモデリングプラットフォームにもアクセスできます。たとえば、ペナルティ付き回帰とPLSプラットフォームは非常に役立つ場合があります。
