Параметр SELECTION=SCORE використовується в PROC LOGISTIC для вибору найкращих підмножин коваріат із набору кандидатів для даного розміру моделі, де найкращі підмножини ті, хто має найвищу статистику хі-квадрат.
Альтернатива поетапному вибору змінних є найкращим вибором підмножини. У цьому методі використовується алгоритм розгалуження та межі Фурнівала та Вілсона (1974), щоб знайти задану кількість найкращих моделей, що містять одну, дві або три змінні, і так далі, аж до однієї моделі, яка містить усі пояснювальні змінні.
10 технік, як опанувати будь-який предмет за удвічі менше часу
- Активне Навчання. Займайтеся матеріалом, підводячи підсумки, ставлячи запитання та навчаючи інших. …
- Практичне тестування. …
- Використовуйте кілька ресурсів. …
- Розставте пріоритети ключовим концепціям. …
- Викладайте матеріал. …
- Mind Mapping. …
- Цілеспрямовані навчальні сесії. …
- Повторення через інтервал.
Регресія найкращих підмножин також відома як «усі можливі регресії» та «всі можливі моделі». Знову ж таки, назва процедури вказує на те, як вона працює. На відміну від покрокової регресії найкращих підмножин підходить для всіх можливих моделей на основі незалежних змінних, які ви вказуєте.
У той час як поетапна регресія змінні вибирає послідовно, підхід найкращих підмножин спрямований на пошук найкращої моделі з усіх можливих моделей підмножин (2). Якщо є p коваріат, кількість усіх підмножин дорівнює 2p. Існують також різновиди статистичних методів для порівняння відповідності моделей підмножини.
Набір A вважається правильною підмножиною набору B якщо множина B містить хоча б один елемент, якого немає в множині A. Приклад: якщо набір A містить елементи як {12, 24}, а набір B має елементи як {12, 24, 36}, то набір A є правильною підмножиною B, оскільки 36 не присутній у наборі A.