Utilisée correctement, l'option de régression pas à pas dans Statgraphics (ou d'autres packages de statistiques) met plus de puissance et d'informations à portée de main que l'option de régression multiple ordinaire, et c'est particulièrement utile pour passer au crible un grand nombre de variables indépendantes potentielles et/ou affiner un modèle en …
Pourquoi utiliseriez-vous une régression pas à pas ?
Certains chercheurs utilisent la régression pas à pas pour réduire une liste de variables explicatives plausibles à une collection parcimonieuse des variables "les plus utiles". D'autres accordent peu ou pas d'attention à la plausibilité. Ils laissent la procédure pas à pas choisir leurs variables pour eux.
Pourquoi le chercheur a utilisé la régression multiple pas à pas ?
La régression pas à pas peut être utilisée comme un outil de génération d'hypothèses, donnant une indication du nombre de variables pouvant être utiles, et identifiant les variables qui sont de bons candidats pour les modèles de prédiction.
Pourquoi la régression par étapes est-elle controversée ?
Les critiques considèrent la procédure comme un exemple paradigmatique de dragage de données, le calcul intense étant souvent un substitut inadéquat à l'expertise du domaine. De plus, les résultats de la régression pas à pas sont souvent utilisés de manière incorrecte sans les ajuster pour l'occurrence de la sélection du modèle
Quel est l'avantage de la sélection par étapes par rapport à la meilleure sélection de sous-ensemble ?
Stepwise donne un modèle unique, qui peut être plus simple. Les meilleurs sous-ensembles fournissent plus d'informations en incluant plus de modèles, mais il peut être plus complexe d'en choisir un. Étant donné que les meilleurs sous-ensembles évaluent tous les modèles possibles, le traitement des modèles volumineux peut prendre beaucoup de temps.
