मुझे नमूना और चर टिप्पणियों के साथ एक रैखिक प्रतिगमन मॉडल मिला है और मैं जानना चाहता हूं:
कौन से आंकड़े मेरी मदद कर सकते हैं? उन्हें सबसे कुशलता से कैसे प्राप्त किया जा सकता है?
जवाबों:
सांख्यिकीय महत्व आमतौर पर यह निर्धारित करने के लिए एक अच्छा आधार नहीं है कि क्या एक चर को एक मॉडल में शामिल किया जाना चाहिए। सांख्यिकीय परीक्षणों को परिकल्पना का परीक्षण करने के लिए डिज़ाइन किया गया था, न कि चुनिंदा चर। मुझे पता है कि बहुत सी पाठ्यपुस्तकें सांख्यिकीय परीक्षणों का उपयोग करके चर चयन पर चर्चा करती हैं, लेकिन यह आमतौर पर एक बुरा दृष्टिकोण है। कुछ कारणों के लिए हरेल की पुस्तक रिग्रेशन मॉडलिंग रणनीतियाँ देखें । इन दिनों, AIC (या कुछ इसी तरह) पर आधारित चर चयन आमतौर पर पसंद किया जाता है।
मैं रोब की दूसरी टिप्पणी करता हूं। तेजी से पसंद किया जाने वाला विकल्प आपके सभी चर को शामिल करना और उन्हें 0. 0. तिब्शीरानी, आर। (1996) की ओर सिकोड़ना है। कमंद के माध्यम से प्रतिगमन संकोचन और चयन।
रोब के जवाब के लिए एक और वोट।
"सापेक्ष महत्व" साहित्य में कुछ दिलचस्प विचार भी हैं। यह काम ऐसे तरीकों को विकसित करता है जो यह निर्धारित करने की कोशिश करता है कि कितने उम्मीदवार प्रत्याशी के भविष्यवक्ताओं के साथ जुड़े हुए हैं। बायेसियन और फ़्रीक्वेंटिस्ट तरीके हैं। उद्धरण और कोड के लिए R में "relaimpo" पैकेज की जाँच करें।
मुझे रोब का जवाब भी पसंद है। और, यदि आप R के बजाय SAS का उपयोग करते हैं, तो आप PROC GLMELECT का उपयोग उन मॉडल के लिए कर सकते हैं जो PROC GLM के साथ किया जाएगा, हालाँकि यह कुछ अन्य मॉडलों के लिए भी अच्छा काम करता है। देख
फ्लॉम और कैसेल "स्टेप वाइज स्टेप वाइज: व्हाई स्टेप वाइज सिलेक्शन मेथड्स बैड एंड व् यू व्हाट यू यू यूट" विभिन्न समूहों में प्रस्तुत, सबसे हाल ही में, NESUG 2009