Шаговая регрессия
Материал из MachineLearning.
(Новая: Under construction.) |
м (категория) |
||
| (6 промежуточных версий не показаны.) | |||
| Строка 1: | Строка 1: | ||
| - | + | == Шаговая регрессия (stepwise regression) == | |
| + | |||
| + | Цель пошаговой [[Регрессия|регрессии]] состоит в отборе из большого количества предикатов небольшой подгруппы переменных, которые вносят наибольший вклад в вариацию зависимой переменной. Обычно этот процесс выполняет автоматизированная процедура, которая вводит или выводит предикаты из уравнения регрессии по очереди, основываясь на серии [[F-тест Фишера|F-тестов]], [[Критерий Стьюдента|t-тестов]] или других подходах. | ||
| + | |||
| + | == Основные подходы == | ||
| + | |||
| + | ====прямое включение (прямая пошаговая регрессия) ==== | ||
| + | |||
| + | Вначале уравнение регрессии не содержит предикатов. Они вводятся по одному, если удовлетворяют определенному критерию. В основе порядка введения включаемых переменных лежит вклад переменной в объясняемую вариацию. | ||
| + | |||
| + | ====исключение переменной (обратная пошаговая регрессия) ==== | ||
| + | |||
| + | Вначале все предикаты входят в уравнение регрессии. Затем по очереди выводятся из уравнения исходя из их соответствия критерию. | ||
| + | |||
| + | ====пошаговый подход ==== | ||
| + | |||
| + | На каждой стадии прямое включение осуществляют одновременно с исключением переменных, которые больше не удовлетворяют конкретному критерию. | ||
| + | |||
| + | == Алгоритмы == | ||
| + | |||
| + | Часто применяют пошаговый подход, когда последовательно включаются факторы в уравнение | ||
| + | регрессии и после проверяется их значимость. Факторы поочередно вводятся | ||
| + | в уравнение так называемым "прямым методом". При проверке значимости | ||
| + | введенного фактора определяется, насколько уменьшается сумма квадратов | ||
| + | остатков и увеличивается величина множественного коэффициента корреляции. | ||
| + | Одновременно используется и обратный метод, т.е. исключение факторов, | ||
| + | ставших незначимыми на основе t-критерия Стьюдента. Фактор является | ||
| + | незначимым, если его включение в уравнение регрессии только изменяет | ||
| + | значение коэффициентов регрессии, не уменьшая значительно суммы квадратов остатков и не | ||
| + | увеличивая их значения. Если при включении в модель соответствующего | ||
| + | факторного признака величина множественного коэффициента корреляции | ||
| + | увеличивается, а коэффициент регрессии не изменяется (или меняется | ||
| + | несущественно), то данный признак существен и его включение в уравнение | ||
| + | регрессии необходимо. | ||
| + | |||
| + | == Недостатки == | ||
| + | |||
| + | * Метод пошаговой регрессии не позволяет выводить оптимальные уравнения регрессии с точки зрения получения наибольшего коэффициента детерминации <tex>R^2</tex> для данного количества предикатов. Из-за корреляций между предикатами важная переменная может никогда не быть включена в уравнение, а второстепенные переменные будут введены в уравнение. Чтобы определить оптимальное уравнение регрессии, желательно просчитать варианты, в которых анализируются все возможные комбинации. Несмотря на это, пошаговая регрессия полезна в ситуации, когда размер выборки велик по сравнению с количеством предикатов. | ||
| + | |||
| + | * Часто для выбора добавляемой или удаляемой переменной используется последовательность [[F-тест Фишера|F-тестов Фишера]], который проводятся на одних и тех же данных, что приводит к проблеме [[Проблема множественных сравнений|проблеме множественных сравнений]]. Для борьбы с этим явлением разработано достаточно большое количество корректирующих критериев. | ||
| + | |||
| + | * [[P-Value]] зависит от результата предшествующих тестов, что усложняет их интерпретацию. | ||
| + | |||
| + | * Тесты являются смещенными, так как проводятся на одних и тех же данных (Rencher and Pun, 1980, Copas, 1983) | ||
| + | |||
| + | == Внешние ресурсы == | ||
| + | |||
| + | * [http://www.mathworks.com/access/helpdesk/help/toolbox/stats/index.html?/access/helpdesk/help/toolbox/stats/stepwise.html&http://www.google.ru/search?hl=ru&lr=&client=firefox-a&rls=org.mozilla:ru:official&q=regression+stepwise&start=10&sa=N Реализация в Matlab] | ||
| + | |||
| + | * [http://www.mngt.ru/rus/gathering_preparation_analysis/correlation_regress/step_by_step_regress/ Энциклопедия методов маркетинговых исследований] | ||
| + | |||
| + | * [http://en.wikipedia.org/wiki/Stepwise_regression Wikipedia (en)] | ||
| + | |||
| + | * [http://eric.ed.gov/ERICWebPortal/custom/portlets/recordDetails/detailmini.jsp?_nfpb=true&_&ERICExtSearch_SearchValue_0=ED393890&ERICExtSearch_SearchType_0=no&accno=ED393890 Статья "Stepwise Regression Is a Problem, Not a Solution" (en)] | ||
| + | |||
| + | * [http://www.sfu.ca/sasdoc/sashtml/stat/chap49/sect33.htm Пример исследования с применением пошаговой регрессии] | ||
| + | |||
| + | [[Категория:Регрессионный анализ]] | ||
| + | [[Категория:Методы отбора признаков]] | ||
Текущая версия
Содержание |
Шаговая регрессия (stepwise regression)
Цель пошаговой регрессии состоит в отборе из большого количества предикатов небольшой подгруппы переменных, которые вносят наибольший вклад в вариацию зависимой переменной. Обычно этот процесс выполняет автоматизированная процедура, которая вводит или выводит предикаты из уравнения регрессии по очереди, основываясь на серии F-тестов, t-тестов или других подходах.
Основные подходы
прямое включение (прямая пошаговая регрессия)
Вначале уравнение регрессии не содержит предикатов. Они вводятся по одному, если удовлетворяют определенному критерию. В основе порядка введения включаемых переменных лежит вклад переменной в объясняемую вариацию.
исключение переменной (обратная пошаговая регрессия)
Вначале все предикаты входят в уравнение регрессии. Затем по очереди выводятся из уравнения исходя из их соответствия критерию.
пошаговый подход
На каждой стадии прямое включение осуществляют одновременно с исключением переменных, которые больше не удовлетворяют конкретному критерию.
Алгоритмы
Часто применяют пошаговый подход, когда последовательно включаются факторы в уравнение регрессии и после проверяется их значимость. Факторы поочередно вводятся в уравнение так называемым "прямым методом". При проверке значимости введенного фактора определяется, насколько уменьшается сумма квадратов остатков и увеличивается величина множественного коэффициента корреляции. Одновременно используется и обратный метод, т.е. исключение факторов, ставших незначимыми на основе t-критерия Стьюдента. Фактор является незначимым, если его включение в уравнение регрессии только изменяет значение коэффициентов регрессии, не уменьшая значительно суммы квадратов остатков и не увеличивая их значения. Если при включении в модель соответствующего факторного признака величина множественного коэффициента корреляции увеличивается, а коэффициент регрессии не изменяется (или меняется несущественно), то данный признак существен и его включение в уравнение регрессии необходимо.
Недостатки
- Метод пошаговой регрессии не позволяет выводить оптимальные уравнения регрессии с точки зрения получения наибольшего коэффициента детерминации
для данного количества предикатов. Из-за корреляций между предикатами важная переменная может никогда не быть включена в уравнение, а второстепенные переменные будут введены в уравнение. Чтобы определить оптимальное уравнение регрессии, желательно просчитать варианты, в которых анализируются все возможные комбинации. Несмотря на это, пошаговая регрессия полезна в ситуации, когда размер выборки велик по сравнению с количеством предикатов.
- Часто для выбора добавляемой или удаляемой переменной используется последовательность F-тестов Фишера, который проводятся на одних и тех же данных, что приводит к проблеме проблеме множественных сравнений. Для борьбы с этим явлением разработано достаточно большое количество корректирующих критериев.
- P-Value зависит от результата предшествующих тестов, что усложняет их интерпретацию.
- Тесты являются смещенными, так как проводятся на одних и тех же данных (Rencher and Pun, 1980, Copas, 1983)
