このページの翻訳は最新ではありません。ここをクリックして、英語の最新版を参照してください。
ステップワイズ回帰を使用して線形回帰モデルをあてはめる
[
は,最終回帰モデルb
,se
,pval
,finalmodel
,统计数据
) = stepwisefit (___)finalmodel
内の変数の指定,および最終モデルについての統計値统计数据
も返します。
“ステップワイズ回帰”は、各項の統計的な重要性に基づき、多重線形モデルに項を追加したり削除したりするための方法です。この方法では、初期モデルから開始し、そこから連続的にステップを実行して項の追加または削除をして、モデルを改良します。各ステップで、追加可能項がある場合とない場合のモデルを検定するために、F統計量の P値が計算されます。ある項が現在はモデルにない場合、帰無仮説は、項がモデルに追加された場合に係数ゼロをもつということです。帰無仮説を棄却する十分な証拠があれば、その項がモデルに追加されます。逆に、ある項がモデルに現在ある場合、帰無仮説は、その項が係数ゼロをもつことです。帰無仮説を棄却する十分な証拠がなければ、その項がモデルから削除されます。この方法は、以下のように進めます。
初期モデルをあてはめます。
モデルにない任意の項が開始許容誤差よりも小さいp値をもつ場合,最小のp値をもつ項を追加し,このステップを繰り返します。たとえば,初期モデルが既定の定数モデルであり,開始許容誤差が既定値0.05
であると仮定します。アルゴリズムでは,最初に、定数と別の項で構成されるすべてのモデルをあてはめ、最小の p 値をもつ項 (たとえば、項4
)を特定します。項4
のp値が0.05
項より小さい場合4
がモデルに追加されます。アルゴリズムでは,次に、定数である項4
と別の項で構成されるすべてのモデルに対して検索を実行します。モデルにない項が0.05
よりも小さいp値をもつ場合,最小のp値をもつ項をモデルに追加し,このプロセスを繰り返します。モデルに追加可能な項がそれ以上存在しない場合,アルゴリズムはステップ3に進みます。
モデルの任意の項が,終了許容誤差よりも大きいp値をもつ場合,最大のp値をもつ項を削除してステップ2に進みます。それ以外の場合は終了します。
アルゴリズムの各ステップにおいて,stepwisefit
は最小二乗法を使用してモデル係数を推定します。アルゴリズムは,前の段階でモデルに項を追加した後、後から追加した他の項との組み合わせに役立たなくなった場合、その項を削除する可能性があります。この方法は、1 つのステップがモデルを改良することがないと終了します。ただし、最終モデルが最適である (つまり、データに対する最適なあてはめをもつ) ことを保証するものではありません。異なる初期モデルまたは異なるステップの順序を使用すると、あてはめが向上する場合があります。この意味において、ステップワイズ モデルは、局所的には最適でも、大域的には必ずしも最適ではありません。
fitlm
を使用してモデルを作成し,次に步
、addTerms
,およびremoveTerms
を使用して手動でモデルを調整します。
テーブルにデータがあり,連続予測子とカテゴリカル予測子が混在している場合,または高次の交互作用項を潜在的に含む可能性があるモデル式を指定する場合は,逐步地
を使用します。
stepwiseglm
を使用して,ステップワイズ一般化線形モデルを作成します(たとえば,二項応答変数があり,分類モデルをあてはめる場合)。
诺曼·R·德雷柏和哈里·史密斯。应用回归分析。霍博肯,新泽西州:威利国际科学出版社,1998年。307 - 312页。