拟合线性模型 • 逐步回归模型
上一个
 • 
下一个
逐步回归模型
使用变量选择查找模型
逐步回归是为回归模型选择效应子集的方法。它在以下情况下很有用：
•
用于指导选择模型项的理论很少。
•
您想以交互方式探索哪些预测变量可提供良好的拟合效果。
•
您想减小由于估计不必要的项导致的方差，以此提高模型的预测性能。
对于分类预测变量，您可以执行以下操作：
•
从各种规则中进行选择，以确定相关项如何进入模型。
•
强制效应遗传。
使用“逐步”平台还可以探索所有可能的模型以及执行模型平均。
目录 
逐步回归概述
使用逐步回归的示例
“逐步”报表
“逐步”平台选项
“逐步回归控制”面板
“当前估计值”报表
“步进历史记录”报表
具有交叉、交互作用或多项式项的模型
合并规则的示例
具有名义型和有序型效应的模型
分层项的构造
具有名义型项的模型示例
分层项的限制规则的示例
执行二值和有序型 Logistic 逐步回归
使用 Logistic 逐步回归的示例
“所有可能的模型”选项
使用“所有可能的模型”选项的示例
“模型平均”选项
使用“模型平均”选项的示例
使用验证
具有两个或三个值的验证集
K 重交叉验证