简述选择解释变量的逐步回归法？
举一反三
- 在决定一个回归模型的“最优”解释变量集时人们常用逐步回归的方法。在逐步回归中既可采取每次引进一个解释变量的程序(逐步向前回归)，也可以先把所有可能的解释变量都放在一个多元回归中，然后逐一地将它们剔除(逐步向后回归)。加进或剔除一个变量，通常是根据F检验看其对ESS的贡献而作出决定的。根据你现在对多重共线性的认识，你赞成任何一种逐步回归的程序吗?为什么?
- 多重共线性解决方法主要有 ( ) A: 保留重要的解释变量,去掉次要的或可替代的解释变量 B: 岭回归法 C: 主成分回归法 D: 偏最小二乘法 E: 逐步回归法以及增加样本容量
- 建立回归模型时，变量选择的方法主要有（） A: 向前选择 B: 向后剔除 C: 中间插入 D: 逐步回归 E: 最优子集
- 在对模型的解释变量进行选择时，我们常用逐步回归法，即以Y为被解释变量，逐个引入解释变量X，构成回归模型，进行模型估计。如果在引入一个新解释变量后，模型的拟合优度显著提高，则说明新引入的变量是（ ）。 A: 其他解释变量可以替代的变量 B: 可以被舍去的变量 C: 一个独立解释变量 D: 随机分布的变量
- 下列关于逐步回归法说法错误的是（）。 A: 逐步回归法先对单个解释变量进行回归，再逐步增加变量个数 B: 有可能会剔除掉重要的解释变量从而导致模型产生设定偏误 C: 如果新引入变量未能明显改进拟合优度值，则说明新引入的变量与其他变量之间存在共线性 D: 如果新引入变量后t检验显著，则说明新引入的变量与其他变量之间存在共线性