多元回归的逐步方法

在本节中，我们将学习多元回归的逐步方法。逐步方法是进行回归分析的另一种非常流行的方法，但它已被较少推荐。出于某种原因，我们将理解它。

逐步回归分析方法是一种以逐步标准的形式将变量输入模型的方法。在模型中，为了以逐步方式输入变量，我们还列出了另外两种方法，分别是向前和向后方法。向前和向后方法是逐步回归方法的一部分。

回归的第一种方法是输入方法。它也被称为强制输入方法，因为所有变量都基于它们相对重要性的基础，被强制输入到模型中。我们拥有的第二种方法可以称为逐步方法。这种逐步回归方法包含两种方法。一种可以称为向前选择方法，另一种可以称为向后剔除方法。我们在 SPSS 中拥有的最后一种方法可以称为移除方法。

现在的问题是，逐步方法包含两个方面：向前选择和向后剔除，那么为什么逐步向前选择，向后剔除，因为在 SPSS 的情况下，这两个方法之间略有不同，它们被保留为三种独立的方法。这是在逐步方法和这两种方法之间进行的。在逐步方法中，如果我们以逐步方式将所有变量输入模型，就会对变量的相对贡献进行评估。评估对模型贡献微不足道或不显著的变量，并从模型中剔除。在逐步回归中，每次都基于某些数学标准以逐步方式将变量输入模型。该数学标准可能是相关性。例如，与因变量高度相关或与因变量表现出最高相关性的变量，可以作为第一个预测变量，而表现出第二高相关的变量，可以作为第二个预测变量。因此，每次在逐步回归方法的情况下，我们添加一个变量。之后会对其相对贡献进行评估。因此，如果它显著贡献，我们允许该变量进入模型。否则，我们不允许该变量进入模型。而这通常不会发生在向前回归的情况下。向前回归是一种选择方法，而不是剔除方法。因此，我们将按照特定顺序选择这些变量，这将是它们与因变量相关性的顺序。因此，最高相关性将被赋予第一优先权。