你不能單獨練武,就像PPT,EXCEL,各種繪圖軟件都知道每個選項的功能,但是你做出來的報表漂亮,作品漂亮嗎?
Minitab你知道如何操作每一步嗎?
但是分析結果之后,你知道要看什么信息嗎?這些信息意味著什么?這些信息意味著什么?為什么要看這個信息?
所以,光學武術,或者說光學心理學,是行不通的。
這讓我想起了幾年來的各種計算機課程,計算機結構,網絡,算法和結構,數據庫,以及寫C語言。
最后什么都做不了,最后連個網頁都做不了。
但是這幾年我學了很多編程語言,但是我覺得這些基礎(心法更重要)!
所以內外兼修都可以稱霸天下。這真的和練武一樣。
讓我們回到上面的問題:
問:選擇前進意味著什么?
它從模型中沒有自變量開始,然后按照以下步驟選擇自變量來擬合模型。
第一步:將k個自變量(x1、x2、、、、xk)擬合到含因變量Y的單變量線性回歸模型中,總共有k個自變量。
然后找出F統計量和X統計量最大的模型,并將其引入到模型中。
第二步:在已引入模型的xi基礎上,分別擬合模型外k-1個自變量(X1、、、Xi-1、Xi+1、、、xk)的線性回歸模型。
那么自變量的組合就是Xi+x1、、、、Xi+Xi-1、Xi+Xi+1、、、、Xi+xk的k-1線性回歸模型。
然后,對k-1線性模型分別進行研究,選擇F統計量最大的兩個自變量模型,并將F統計量最大的自變量xj引入模型。
如果除xi外,K-1獨立變量都不具有統計學意義,則操作停止。
如此反復,直到模型外的自變量沒有統計學意義。
正向選擇變量的方法是不斷給模型增加自變量,直到增加自變量不能導致SSE顯著增加(這個過程由F檢驗完成)。