Usé el siguiente código R para ajustar un modelo probit:
p1 <- glm(natijeh ~ ., family=binomial(probit), data=data1)
stepwise(p1, direction='backward/forward', criterion='BIC')
¿Quiero saber qué hace stepwise
y qué hace backward/forward
exactamente y cómo seleccionar las variables?
r
probit
stepwise-regression
Mahmoud
fuente
fuente
Respuestas:
Principio de selección gradual
Repite 2. hasta que no haya reducción de BIC. Solo tiene un mínimo local de BIC, lo que significa que es posible que no obtenga el mejor modelo entre todas las opciones posibles de subconjuntos de variables. Pero de todos modos, generalmente hay demasiados, por lo que esta es una forma de optimizar un poco, sin demasiado trabajo.
Vea también Regresión por pasos y Selección de modelo en Wikipedia.
fuente
La regresión escalonada básicamente se ajusta al modelo de regresión agregando / eliminando covariables una a la vez en función de un criterio específico (en su ejemplo anterior, el criterio se basaría en el BIC).
Al especificar hacia adelante, está diciendo
R
que le gustaría comenzar con el modelo más simple (es decir, una covariable) y luego agregar una covariable de una en una, manteniendo solo las que dan como resultado una mejora en los modelos BIC.Al especificar hacia atrás, está diciendo
R
que desea comenzar con el modelo completo (es decir, el modelo con todas las covariables) y luego soltar las covariables, una vez, que dan como resultado una mejora en el BIC.La regresión por pasos puede ser un procedimiento estadístico muy peligroso porque no es un procedimiento de selección de modelo óptimo. El método puede conducir a una selección de modelo muy pobre porque y no lo protege contra problemas tales como comparaciones múltiples.
fuente