stepwisefit
ステップワイズ回帰を使用して線形回帰モデルを当てはめる
構文
説明
では、1 つ以上の名前と値のペアの引数を使用して追加オプションを指定します。たとえば、非定数の初期モデル、または b
= stepwisefit(X
,y
,Name,Value
)stepwisefit
が受け入れ可能なステップの最大数を指定できます。
[
は、最終回帰モデル b
,se
,pval
,finalmodel
,stats
] = stepwisefit(___)finalmodel
内の変数の指定、および最終モデルについての統計値 stats
も返します。
例
入力引数
名前と値の引数
出力引数
詳細
アルゴリズム
"ステップワイズ回帰" は、各項の統計的な重要性に基づき、多重線形モデルに項を追加したり削除したりするための方法です。この方法では、初期モデルから開始し、そこから連続的にステップを実行して項の追加または削除をして、モデルを改良します。各ステップで、追加可能項がある場合とない場合のモデルを検定するために、F 統計量の p 値が計算されます。ある項が現在はモデルにない場合、帰無仮説は、項がモデルに追加された場合に係数ゼロをもつということです。帰無仮説を棄却する十分な証拠があれば、その項がモデルに追加されます。逆に、ある項がモデルに現在ある場合、帰無仮説は、その項が係数ゼロをもつことです。帰無仮説を棄却する十分な証拠がなければ、その項がモデルから削除されます。この方法は、以下のように進めます。
初期モデルを当てはめます。
モデルにない任意の項が開始許容誤差よりも小さい p 値をもつ場合、最小の p 値をもつ項を追加し、このステップを繰り返します。たとえば、初期モデルが既定の定数モデルであり、開始許容誤差が既定値
0.05
であると仮定します。アルゴリズムでは、最初に、定数と別の項で構成されるすべてのモデルを当てはめ、最小の p 値をもつ項 (たとえば、項4
) を特定します。項4
の p 値が0.05
より小さい場合、項4
がモデルに追加されます。アルゴリズムでは、次に、定数である項4
と別の項で構成されるすべてのモデルに対して検索を実行します。モデルにない項が0.05
よりも小さい p 値をもつ場合、最小の p 値をもつ項をモデルに追加し、このプロセスを繰り返します。モデルに追加可能な項がそれ以上存在しない場合、アルゴリズムはステップ 3 に進みます。モデルの任意の項が、終了許容誤差よりも大きい p 値をもつ場合、最大の p 値をもつ項を削除してステップ 2 に進みます。それ以外の場合は終了します。
アルゴリズムの各ステップにおいて、stepwisefit
は最小二乗法を使用してモデル係数を推定します。アルゴリズムは、前の段階でモデルに項を追加した後、後から追加した他の項との組み合わせに役立たなくなった場合、その項を削除する可能性があります。この方法は、1 つのステップがモデルを改良することがないと終了します。ただし、最終モデルが最適である (つまり、データに対する最適な当てはめをもつ) ことを保証するものではありません。異なる初期モデルまたは異なるステップの順序を使用すると、当てはめが向上する場合があります。この意味において、ステップワイズ モデルは、ローカルには最適でも、グローバルには必ずしも最適ではありません。
代替機能
fitlm
を使用してモデルを作成し、次にstep
、addTerms
、およびremoveTerms
を使用して手動でモデルを調整します。テーブルにデータがあり、連続予測子とカテゴリカル予測子が混在している場合、または高次の交互作用項を潜在的に含む可能性があるモデル式を指定する場合は、
stepwiselm
を使用します。stepwiseglm
を使用して、ステップワイズ一般化線形モデルを作成します (たとえば、二項応答変数があり、分類モデルを当てはめる場合)。
参照
[1] Draper, Norman R., and Harry Smith. Applied Regression Analysis. Hoboken, NJ: Wiley-Interscience, 1998. pp. 307–312.
バージョン履歴
R2006a より前に導入
参考
stepwise
| addedvarplot
| regress
| stepwiselm
| stepwiseglm