逐步之间的区别|所有可能的模型和广义回归 |最佳子集您好，我只是想知道使用逐步 - 所有可能模型估计和广义回归 - 最佳子集估计方法之间的区别。在我看来，如果响应是正态分布的，它们应该产生相同的结果。我有 JMP 14 32 位，发现由于内存限制，我可以使用最佳子集运行更大的最大效果，而不是使用所有可能的模型。
回复：逐步之间的区别|所有可能的模型和广义回归 |最佳子集@P_Bartell感谢您的意见！
回复：逐步之间的区别|所有可能的模型和广义回归 |最佳子集我将添加一些额外的想法来补充@Mark_Bailey的明智建议。 如果您使用多种模型拟合算法，通常最好使用某种模型交叉验证方案。 因此，如果没有其他原因选择了交叉验证方案的类型，结果可能会有所不同。 其中一些方法对它们具有“随机”成分，因此用于拟合模型的确切数据可能通过建模方法从一次传递到另一次传递不同。
此外，在广义回归平台中，有几个建模人物。 根据所选择的个性，答案会有所不同。 其中一些性格允许我称之为“参数估计中的一点偏差”（与经典的普通最小二乘回归相比），并在偏差上进行权衡以最小化预测方差。 从主题上讲，您很可能应该得出一致的实际结论……但如果您正在寻找与特定参数估计、预测方差等结果完全匹配的结果……将会存在差异。
在实践中，当拟合许多不同的线性和非线性（想想回归/分类树等方法）方法时，在比较多种建模方法时，我会在所有方法中寻找实际结论的合理性和一致性。 JMP Pro 的模型比较平台是进行这些比较的非常高效的一站式购物中心。 这反过来又提高了我的信心，即我得出的实际结论是我能做的最好的。
回复：逐步之间的区别|所有可能的模型和广义回归 |最佳子集感谢你的回答。我发现这个 PDF 解释得很好： GR平台
回复：逐步之间的区别|所有可能的模型和广义回归 |最佳子集逐步回归遵循正向、反向或混合方向的路径。 它考虑根据当前模型和候选术语将模型更改为单个术语。 因此，有可能没有访问过最佳模型，并且这种情况发生的可能性随着候选词的数量而增加。 这种方法允许您在大多数实际情况下考虑许多可能的术语。
另一方面，“所有可能的模型”选项访问所有可能的模型达到您指定的复杂性。 您的可用内存和时间可能会限制可以考虑的实际术语数量。
广义回归选项介于两者之间。 这是帮助中的解释：
最佳子集通过在每个步骤中增加模型中的主动效应数量来计算参数估计值。 在每一步中，模型是在所有可能的模型中选择的，其具有由步数给出的许多影响。 解决方案路径图的水平轴上的值表示模型中的活动效应数。 步骤 0 对应于仅拦截模型。 步骤 1 对应于仅包含一种主动效应的最佳模型。 这些步骤一直持续到“模型启动”报告的“高级控制”中指定的“最大效应数”值。 请参阅“高级控件”
在第 309 页。提示：最佳子集估计方法是计算密集型的。 不建议用于大问题。
希望这个解释有所帮助。
因此，假设您在所有情况下都使用相同的分布，您不一定会从所有这些方法中获得相同的模型，并且分布与结果无关。
请记住，这些方法是帮助选择模型. 没有任何他们保证它会找到最好的模型。
