regresi berperingkat

Apakah Regresi Stepwise?

Regresi stepwise ialah pembinaan lelaran langkah demi langkah bagi model regresi yang melibatkan pemilihan pembolehubah bebas untuk digunakan dalam model akhir. Ia melibatkan menambah atau mengalih keluar potensi pembolehubah penjelasan berturut-turut dan menguji kepentingan statistik selepas setiap lelaran.

Ketersediaan pakej perisian statistik menjadikan regresi berperingkat mungkin, walaupun dalam model dengan ratusan pembolehubah.

Jenis Regresi Stepwise

Matlamat asas regresi berperingkat adalah, melalui satu siri ujian (cth F-ujian, ujian -t ) untuk mencari satu set pembolehubah bebas yang mempengaruhi pembolehubah bersandar dengan ketara. Ini dilakukan dengan komputer melalui lelaran, iaitu proses mencapai keputusan atau keputusan dengan melalui pusingan berulang atau kitaran analisis. Menjalankan ujian secara automatik dengan bantuan daripada pakej perisian statistik mempunyai kelebihan menjimatkan masa dan mengehadkan kesilapan.

Regresi berperingkat boleh dicapai sama ada dengan mencuba satu pembolehubah bebas pada satu masa dan memasukkannya ke dalam model regresi jika ia signifikan secara statistik atau dengan memasukkan semua pembolehubah bebas yang berpotensi dalam model dan menghapuskan yang tidak signifikan secara statistik. Sesetengah menggunakan gabungan kedua-dua kaedah dan oleh itu terdapat tiga pendekatan untuk regresi berperingkat:

1. Pemilihan ke hadapan bermula tanpa pembolehubah dalam model, menguji setiap pembolehubah semasa ia ditambahkan pada model, kemudian mengekalkan pembolehubah yang dianggap paling signifikan secara statistik—mengulangi proses sehingga keputusan optimum.

2. Penghapusan ke belakang bermula dengan satu set pembolehubah tidak bersandar, memadam satu demi satu, kemudian menguji untuk melihat sama ada pembolehubah yang dialih keluar adalah signifikan secara statistik.

3. Penghapusan dua hala ialah gabungan dua kaedah pertama yang menguji pembolehubah yang harus disertakan atau dikecualikan.

contoh

Contoh regresi berperingkat menggunakan kaedah penyingkiran ke belakang ialah percubaan untuk memahami penggunaan tenaga di kilang menggunakan pembolehubah seperti masa peralatan dijalankan, umur peralatan, saiz kakitangan, suhu di luar dan masa dalam setahun. Model ini merangkumi semua pembolehubah—kemudian setiap pembolehubah dialih keluar, satu demi satu, untuk menentukan yang paling kurang signifikan secara statistik. Pada akhirnya, model itu mungkin menunjukkan bahawa masa dalam tahun dan suhu adalah yang paling ketara, mungkin mencadangkan penggunaan tenaga puncak di kilang adalah apabila penggunaan penghawa dingin berada pada tahap tertinggi.

Had Regresi Stepwise

Analisis regresi, kedua-dua linear dan multivariate, digunakan secara meluas dalam dunia ekonomi dan pelaburan hari ini. Idea ini selalunya untuk mencari corak yang wujud pada masa lalu yang mungkin juga berulang pada masa hadapan. Regresi linear mudah, sebagai contoh, mungkin melihat nisbah harga kepada pendapatan dan pulangan saham selama bertahun-tahun untuk menentukan sama ada saham dengan nisbah P/E rendah (pembolehubah bebas) menawarkan pulangan yang lebih tinggi (pembolehubah bersandar). Masalah dengan pendekatan ini ialah keadaan pasaran sering berubah dan hubungan yang telah dipegang pada masa lalu tidak semestinya berlaku pada masa kini atau masa depan.

Sementara itu, proses regresi berperingkat mempunyai banyak pengkritik malah ada panggilan untuk berhenti menggunakan kaedah itu sama sekali. Ahli perangkaan mencatat beberapa kelemahan kepada pendekatan, termasuk keputusan yang salah, kecenderungan yang wujud dalam proses itu sendiri, dan keperluan untuk kuasa pengkomputeran yang ketara untuk membangunkan model regresi yang kompleks melalui lelaran.

##Sorotan

• Regresi stepwise mempunyai kelemahannya, walau bagaimanapun, kerana ia adalah pendekatan yang menyesuaikan data ke dalam model untuk mencapai hasil yang diinginkan.

• Kaedah penghapusan ke belakang bermula dengan model penuh yang dimuatkan dengan beberapa pembolehubah dan kemudian mengalih keluar satu pembolehubah untuk menguji kepentingannya berbanding keputusan keseluruhan.

• Regresi stepwise ialah kaedah yang mengkaji secara berulang kepentingan statistik setiap pembolehubah bebas dalam model regresi linear.

• Pendekatan pemilihan hadapan bermula dengan tiada apa-apa dan menambah setiap pembolehubah baharu secara berperingkat, menguji kepentingan statistik.