मेरे पास लगभग 30 स्वतंत्र चर के साथ एक डेटासेट है और उनके और आश्रित चर के बीच संबंधों का पता लगाने के लिए एक सामान्यीकृत रैखिक मॉडल (GLM) का निर्माण करना चाहते हैं।
मुझे ज्ञात है कि इस स्थिति के लिए मुझे जो विधि सिखाई गई थी, स्टेप वाइज रिग्रेशन, अब एक सांख्यिकीय पाप माना जाता है ।
इस स्थिति में मॉडल चयन के कौन से आधुनिक तरीकों का उपयोग किया जाना चाहिए?
4
अन्य लोग सांख्यिकीय प्रक्रियाओं का उल्लेख करते हैं, जो सहायक हो सकती हैं, लेकिन मैं सबसे पहले यह पूछना चाहूंगा कि क्या आपके पास चर के बीच संबंध की ताकत और आकार के बारे में कोई सिद्धांत है। आपका नमूना कितना बड़ा है? क्या आपके पास जटिल मॉडल से बचने के कारण हैं?
—
माइकल बिशप
क्या किसी ने मॉडल औसत को पूर्व-परीक्षण पूर्वाग्रह की समस्या और मिस-विनिर्देश के मुद्दों से लड़ने के विकल्प के रूप में माना है? मोटे तौर पर सभी चर बोलने वाले संभावित भविष्यवक्ता होते हैं, और आप उनके उपयोगी होने की संभावना का अनुमान लगा सकते हैं। इस प्रकार संयुक्त अनुमानक न केवल पूर्वानुमान प्रदर्शन में सुधार करता है, बल्कि "गुंजाइश" के तहत चर के मापदंडों के लिए अच्छे गुणों का अनुमान भी लगाता है।
—
५
संकोचन। कोई भी स्टेपवाइज का उपयोग नहीं करता है, उम्मीद है
—
अक्सकल