Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.

stepwise

La regresión escalonada interactiva

Sintaxis

stepwise
stepwise(X,y)
stepwise(X,y,inmodel,penter,premove)

Descripción

stepwise utiliza los datos de ejemplo para mostrar una interfaz gráfica de usuario para realizar la regresión gradual de los valores de respuesta en los términos predictivos en.hald.matheatingredients

La parte superior izquierda de la interfaz muestra estimaciones de los coeficientes para todos los términos potenciales, con barras horizontales que indican 90% (color) y 95% (gris) intervalos de confianza. El color rojo indica que, inicialmente, los términos no están en el modelo. Los valores mostrados en la tabla son los que resultarán si los términos se agregan al modelo.

La parte intermedia de la interfaz muestra las estadísticas de resumen para todo el modelo. Estas estadísticas se actualizan con cada paso.

La parte inferior de la interfaz, muestra el RMSE para el modelo.Model History La trama rastrea el RMSE de paso a paso, para que pueda comparar la optimalidad de diferentes modelos. Sitúe el cursor sobre los puntos azules del historial para ver qué términos se encontraban en el modelo en un paso determinado. Haga clic en un punto azul en el historial para abrir una copia de la interfaz inicializada con los términos en el modelo en ese paso.

Los modelos iniciales, así como las tolerancias de entrada/salida para los-valores de-Statistics, se especifican utilizando argumentos de entrada adicionales.pFstepwise Los valores predeterminados son un modelo inicial sin términos, una tolerancia de entrada de 0,05 y una tolerancia de salida de 0,10.

Para centrar y escalar los datos de entrada (cálculo-puntuaciones) para mejorar el acondicionamiento del problema de mínimos cuadrados subyacentes, seleccionez Scale Inputs del menú.Stepwise

Usted continúa a través de una regresión gradual de una de dos maneras:

  1. Haga clic para seleccionar el siguiente paso recomendado.Next Step El siguiente paso recomendado agrega el término más significativo o elimina el término menos significativo. Cuando la regresión alcanza un mínimo local de RMSE, el siguiente paso recomendado es "no mover ningún términos." Puede realizar todos los pasos recomendados a la vez haciendo clic en.All Steps

  2. Haga clic en una línea del trazado o en la tabla para alternar el estado del término correspondiente. Al hacer clic en una línea roja, que corresponde a un término que no está actualmente en el modelo, agrega el término al modelo y cambia la línea a azul. Al hacer clic en una línea azul, que corresponde a un término actualmente en el modelo, se quita el término del modelo y se cambia la línea a rojo.

Para llamar y producir una gráfica de variable añadida desde la interfaz, seleccione en el menú.addedvarplotstepwiseSe agregó gráfica variableStepwise Se muestra una lista de términos. Seleccione el término que desea agregar y, a continuación, haga clic en.OK

Haga clic para mostrar un cuadro de diálogo que le permita seleccionar la información de la interfaz para guardarla en el espacio de trabajo.ExportMATLAB® Compruebe la información que desea exportar y, opcionalmente, cambie los nombres de las variables de espacio de trabajo que se crearán. Haga clic para exportar la información.OK

stepwise(X,y) muestra la interfaz utilizando los términos predictivos en la matriz y los valores de respuesta en el vector-by-1.pnpXny Los distintos términos predictivos deben aparecer en diferentes columnas de.X

Nota

incluye automáticamente un término constante en todos los modelos.stepwise No introduzca una columna de 1s directamente en.X

trata los valores en o como valores faltantes y los omite.stepwiseNaNXy

stepwise(X,y,inmodel,penter,premove) especifica adicionalmente las tolerancias iniciales Model () y Entrance () y EXIT () para los-valores de-Statistics. es un vector lógico con una longitud igual al número de columnas de, o un vector de índices, con valores que van desde 1 hasta el número de columnas en.inmodelpenterpremovepFinmodelXX El valor de debe ser menor o igual que el valor de.penterpremove

Algoritmos

es un método sistemático para agregar y eliminar términos de un modelo multilineal basado en su significancia estadística en una regresión.Regresión stepwise El método comienza con un modelo inicial y luego compara la potencia explicativa de los modelos incrementalmente más grandes y más pequeños. En cada paso, el valor de una estadística se calcula para probar modelos con y sin un término potencial.pF Si un término no está actualmente en el modelo, la hipótesis nula es que el término tendría un coeficiente cero si se agrega al modelo. Si hay pruebas suficientes para rechazar la hipótesis nula, el término se agrega al modelo. Por el contrario, si un término está actualmente en el modelo, la hipótesis nula es que el término tiene un coeficiente cero. Si no hay pruebas suficientes para rechazar la hipótesis nula, el término se elimina del modelo. El método procede de la siguiente manera:

  1. Ajuste el modelo inicial.

  2. Si los términos que no están en el modelo tienen valores menores que una tolerancia de entrada (es decir, si es improbable que tengan un coeficiente cero si se agregan al modelo), agregue el valor más pequeño y repita este paso; de lo contrario, vaya al paso 3.pp

  3. Si los términos del modelo tienen valores mayores que una tolerancia de salida (es decir, si es improbable que la hipótesis de un coeficiente cero pueda rechazarse), quite la que tenga el valor más grande y vaya al paso 2; Si no, fin.pp

Dependiendo de los términos incluidos en el modelo inicial y el orden en que los términos se mueven hacia adentro y hacia fuera, el método puede construir diversos modelos del mismo conjunto de términos potenciales. El método finaliza cuando ningún paso único mejora el modelo. No hay garantía, sin embargo, de que un modelo inicial diferente o una secuencia diferente de pasos no dará lugar a un mejor ajuste. En este sentido, los modelos escalonado son localmente óptimos, pero pueden no ser globalmente óptimos.

Consulte también

| |

Introducido antes de R2006a