このページの翻訳は最新ではありません。ここをクリックして,英語の最新版を参照してください。
ステップワイズ回帰の実行
ロバスト回帰をステップワイズ回帰と并用することはできません。stepwiselm
をを用する前にののののてしてください。
Anova.
などの他のメソッドや,LinearModel
オブジェクトのプロパティについては,LinearModel
を参照してください。
モデルに学習をさせた後で,新しいデータについて応答を予測するC / c++コードを生成できます。C / c++コードの生成にはMATLAB编码器™が必要です。详细详细について,コード生成の紹介を参照してください。
“ステップステップワイズ”は,応答変数の説明としての各項の統計的な重要性に基づき,線形または一般化線形モデルの項を追加したり削除するための体系的な方法です。この方法は,まずmodelspec
を使用して指定される初期モデルから開始して,徐々により大きいまたはより小さいモデルの説明能力を比較していきます。
関数stepwiselm
は,変数増减法のワイズワイズ回帰使てて,最终的なモデルを决定し。'标准'
の値に基づいて,モデルに追加する项またはモデルから削除する项が探索されます。
线形回帰モデルは,'标准'
の既定値は“上世纪”
です。この場合,LinearModel
の一步
とstepwiselm
は,各ステップでF統計量のp値を使用して,ある項が存在する場合と存在しない場合のモデルを検定します。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る場合,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い場合,その項がモデルから削除されます。
'标准'
が“上世纪”
である場合,ステップワイズ回帰では以下のステップが実行されます。
初初モデルをあてはめます。
使用可能な一連の項の中でモデルに含まれていないものを調べます。いずれかの項に対するp値が開始許容誤差より小さい場合(つまり,モデルに追加すると係数がゼロになる可能性が低い場合),p値が最小である項を追加し,このステップを繰り返します。それ以外の場合,ステップ3を実行します。
モデルに含まれている使用可能な項のいずれかに対するp値が終了許容誤差より大きい場合(つまり,係数がゼロになるという仮説を棄却できない場合),p値が最大である項を削除してステップ2に戻ります。それ以外の場合,このプロセスを終了します。
高い次数の項は,その項のサブセットである低い次数の項のすべてもモデルに含まれている場合を除き,どの段階でも追加されません。たとえば,X1
とX2 ^ 2
の両方が既にモデルに含まれている場合を除き,x1:x2 ^ 2
,x1:x2 ^ 2
がモデルに残ってているいる合书,X1
またはX2 ^ 2
の削除は行行されません。
一般化線形モデルでは,'标准'
の既定値は'偏见'
です。GeneralizedLinearModel.
の一步
とstepwiseglm
は,同様の手順に従って項を追加または削除します。
名前と値のペアの引数'标准'
をを使し,他の基础を指定できます。たとえば,赤池报心基因,ベイズ存报载基因,决定系数量自由度调整决定系数ののの変,项项追加またはのの准准できます。
初モデルに含まれていると,项项追加およびを行顺序によって,同じ一定の项から异なるがされる可性がますステップもモデルが改良さますとと改良改良れととと改良ととととします。ただし、異なる初期モデルまたはステップの順序を使用しても、近似が向上するという保証はありません。この意味において、ステップワイズ モデルは、局所的には最適でも大域的には最適ではないことがあります。
stepwiselm
では,カテゴリカル予测子が次のように扱われます。
l个个の(カテゴリ)があるカテゴリカルカテゴリカル子をもつモデルは,L - 1個の指標変数が含まれています。1番目のカテゴリが基準レベルとして使用されるので、基準レベルに対する指標変数はモデルに含まれません。カテゴリカル予測子のデータ型が分类
であるである合,类别
を使用してカテゴリの順序をチェックし,雷德斯
を使用してカテゴリを並べ替えることにより,基準レベルをカスタマイズできます。指標変数の作成の詳細については,ダミー函数の自动作作作作者を参照してください。
stepwiselm
はL - 1個の指標変数のグループを単一の変数として扱います。指標変数を個別の予測子変数として扱うには,戴维尔
を使用して指标変数を手动で作成します。そして,モデルをあてはめるときに,カテゴリカル変数の基准レベルに対応するものを除く指标変数を使用します。カテゴリカル予测子X
についてdummyvar(x)
のすべての列と切片項を予測子として指定した場合,計画行列はランク落ちとなります。
l个のレベルをもつカテゴリカル子と连続连続子の间の交互作用L - 1个の指标変数と连続予测子の要素単位の积から构成されます。
l个个のレベルレベルをもつカテゴリカル子とm个ののをカテゴリカルカテゴリカル子间の交互作用项は,2つのカテゴリカルカテゴリカル子のについてななののわせをため(L - 1)*(M - 1)个个指标指标数からから成されます。
指標の二乗はそれ自体に等しいので,より次数が高い項をカテゴリカル予測子に対して指定することはできません。
したがって,stepwiselm
がカテゴリカルカテゴリカル子を追または削除する合,実际にはは変のグループが度にに同様同様されれれれれれれれれれれれれれれれれれ度れれれ度度にれ作作作度stepwiselm
が追加または削除する场合,実际には,カテゴリカル予测子が含まれている交互作用项のグループが追加または削除されます。
stepwiselm
は资源描述
那X
およびy
に含まれている南
那''
(空の文字ベクトル),""
(空の字符串),< >失踪
,および<未定义>
値を欠損値と見なします。stepwiselm
は,欠损欠损値がある観测値をあてはめででででませませませませモデルモデルモデルモデルモデルモデルモデルモデルObservationInfo
プロパティは,stepwiselm
が各観测値をあてはめで使用したかどうかを示します。
fitlm
を使用してモデルを構築し,次に一步
那addterms.
またはremoveTerms
を使用して手動でモデルを調整します。