拟合线性模型 > 逐步回归模型
发布日期: 04/13/2021

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
需要更多信息?有问题?从 JMP 用户社区得到解答 (community.jmp.com).