【逐步迴歸】

豐碩

【逐步迴歸】

 

StepwiseRegression

 

【辭書名稱】教育大辭書

 

逐步迴歸是多元迴歸分析中挑選自變項加入迴歸方程式的一種方法，在當今的三大統計套裝軟體程式（即SPSSX、SAS、BMDP）中，皆有提供此選擇最重要自變項的程序指令。

 

逐步迴歸是以t值（及其顯著水準α值）作為決定是否挑選某個自變項的參考指標，如果某個自變項迴歸係數的｜t｜考驗值大於查表的理論t值（或說其值已達α的顯著水準）時，電腦便自動決定要挑選該自變項進入迴歸方程式中，若未達顯著水準的標準時，則電腦會自動排除該自變項於迴歸方程式之外。

 

因此，統計套裝軟體程式均需設定兩個判定取捨的指標：αin和αout。

 

其中，αin是指決定是否讓某個自變項進入迴歸方程式的第一類型錯誤機率，而αout是指決定是否讓一個已進入迴歸方程式的自變項仍然保留在該方程式中的第一類型錯誤機率；

 

一般常用的預設值是設定αin和αout都等於0.5。

 

所以，逐步迴歸所採行的步驟可以說明如下：第一步：先各別考驗只有單一個自變項進人迴歸方程式時的t值，並從中挑選出一個最大｜t｜值的自變項進入，當然，該自變項的t值必須達到研究者所設定的αin的顯著水準才行。

 

第二步：再從剩餘的p-1個自變項中，挑選下一個具有最大｜t｜值的自變項，該自變項的機率值當然是小於αin的標準（即達到αin的顯著水準），並讓它進入迴歸方程式中。

 

之後，由於多元共線性的關係，加入第二個自變項到迴歸方程式後，會改變原先已在方程式內之第一個自變項之相對重要性。

 

因此，套裝軟體程式接著會自動檢驗已在方程式內的第一個自變項之｜t｜值是否達到αout的顯著水準；

 

若未達αout的顯著水準的標準，則第一個自變項會被自動排除在方程式之外，電腦會接著自動搜尋下一個具有最大｜t｜值的自變項；

 

若已達αout的顯著水準的標準，則電腦會容許這兩個自變項同時都留在迴歸方程式內。

 

第三步：逐步迴歸會持續遵照上述兩個步驟，逐一蒐尋每一個自變項，當納入一個新的自變項後，便會自行檢驗已經在方程式內的其他自變項，一直到「進」和「出」方程式的自變項都被逐一檢驗完畢為止。

 

此時，逐步迴歸所列舉在迴歸方程式內的自變項個數，即是最佳預測模式的組合方式。

 

 

轉自:http://edic.nict.gov.tw/cgi-bin/tudic/gsweb.cgi?o=ddictionary