Utilizada correctamente, la opción de regresión paso a paso en Statgraphics (u otros paquetes de estadísticas) pone más poder e información a su alcance que la opción de regresión múltiple común, y es especialmente útil para filtrar un gran número de posibles variables independientes y/o ajustar un modelo por …
¿Por qué usaría una regresión por pasos?
Algunos investigadores utilizan la regresión por pasos para reducir una lista de variables explicativas plausibles a una colección parsimoniosa de las variables "más útiles". Otros prestan poca o ninguna atención a la plausibilidad. Dejan que el procedimiento paso a paso elija sus variables por ellos.
¿Por qué el investigador utilizó la regresión múltiple por pasos?
La regresión paso a paso se puede utilizar como una herramienta de generación de hipótesis, brindando una indicación de cuántas variables pueden ser útiles e identificando variables que son fuertes candidatas para modelos de predicción.
¿Por qué es controvertida la regresión por pasos?
Los críticos consideran el procedimiento como un ejemplo paradigmático de dragado de datos, ya que la computación intensa a menudo es un sustituto inadecuado de la experiencia en el área temática. Además, los resultados de la regresión por pasos se a menudo se usan incorrectamente sin ajustarlos para que ocurra la selección del modelo
¿Cuál es la ventaja de la selección paso a paso en comparación con la mejor selección de subconjuntos?
Stepwise produce un solo modelo, que puede ser más simple. Mejores subconjuntos brinda más información al incluir más modelos, pero puede ser más complejo elegir uno. Debido a que Best Subsets evalúa todos los modelos posibles, los modelos grandes pueden tardar mucho tiempo en procesarse.
