ठीक से उपयोग किया जाता है, स्टैटग्राफिक्स (या अन्य स्टेट पैकेज) में स्टेपवाइज रिग्रेशन विकल्प सामान्य मल्टीपल रिग्रेशन विकल्प की तुलना में आपकी उंगलियों पर अधिक शक्ति और जानकारी रखता है, और यह विशेष रूप से है बड़ी संख्या में संभावित स्वतंत्र चरों को छानने और/या किसी मॉडल को … द्वारा फाइन-ट्यूनिंग करने के लिए उपयोगी
आप चरणबद्ध प्रतिगमन का उपयोग क्यों करेंगे?
कुछ शोधकर्ता चरणबद्ध प्रतिगमन का उपयोग करते हैं प्रशंसनीय व्याख्यात्मक चर की एक सूची को छांटने के लिए "सबसे उपयोगी" चर के एक पारसी संग्रह के लिए नीचे। अन्य प्रशंसनीयता पर बहुत कम या कोई ध्यान नहीं देते हैं। वे चरणबद्ध प्रक्रिया को उनके लिए अपने चर चुनने देते हैं।
शोधकर्ता ने स्टेप वाइज मल्टीपल रिग्रेशन का इस्तेमाल क्यों किया?
स्टेपवाइज रिग्रेशन का उपयोग एक परिकल्पना उत्पन्न करने वाले उपकरण के रूप में किया जा सकता है, जिससे एक संकेत मिलता है कि कितने चर उपयोगी हो सकते हैं, और उन चरों की पहचान करना जो भविष्यवाणी मॉडल के लिए मजबूत उम्मीदवार हैं।
स्टेप वाइज रिग्रेशन विवादास्पद क्यों है?
आलोचक इस प्रक्रिया को डेटा ड्रेजिंग के एक आदर्श उदाहरण के रूप में देखते हैं, गहन गणना अक्सर विषय क्षेत्र विशेषज्ञता के लिए एक अपर्याप्त विकल्प है। इसके अतिरिक्त, स्टेपवाइज रिग्रेशन के परिणाम अक्सर गलत तरीके से उपयोग किए जाते हैं बिना मॉडल चयन की घटना के समायोजन के लिए
सर्वश्रेष्ठ सबसेट चयन की तुलना में चरणबद्ध चयन का क्या लाभ है?
स्टेपवाइज सिंगल मॉडल देता है, जो आसान हो सकता है। सर्वश्रेष्ठ उपसमुच्चय अधिक मॉडल शामिल करके अधिक जानकारी प्रदान करते हैं, लेकिन किसी एकको चुनना अधिक जटिल हो सकता है। चूंकि सर्वश्रेष्ठ सबसेट सभी संभावित मॉडलों का आकलन करते हैं, इसलिए बड़े मॉडलों को संसाधित होने में लंबा समय लग सकता है।
