拟合线性模型 > 逐步回归模型
发布日期: 09/15/2026

逐步回归模型

使用变量选择拟合模型

Image shown here该平台中的部分功能仅在 JMP Pro 中提供,并以该图标标注。

“拟合模型”平台的“逐步”特质支持您使用逐步方法拟合回归模型,为一组回归变量探索所有可能的模型,并进行模型平均。

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。

对于模型选择,您可以执行下列任务:

• 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

• Image shown here使用相对于维持集的交叉验证条件

• 拟合针对一组回归变量的所有可能模型并对这些模型排名

• 进行模型平均

图 5.1 “逐步”报表窗口 

Stepwise Report Window

目录

逐步回归概述

使用逐步回归的示例

启动“逐步回归”特质

逐步回归中的验证选项

“逐步拟合”报表

“逐步回归控制”面板
“当前估计值”报表
“步进历史记录”报表

“逐步拟合”报表选项

所有可能的模型
模型平均

“逐步”特质的更多示例

合并规则的示例
具有名义型项的模型示例
分层项的限制规则的示例
Logistic 逐步回归示例
“所有可能的模型”选项的示例
“模型平均”选项的示例
向前选择示例
向后选择示例

“逐步”特质的统计详细信息

具有交叉、交互作用或多项式项的模型
具有名义型和有序型效应的模型
分层项的构造
二值型或有序型响应的 Logistic 逐步回归
验证详细信息
需要更多信息?有问题?从 JMP 用户社区得到解答 (community.jmp.com).