エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
記事へのコメント1件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
変数選択の方法
前述の②項の観点からは,予測に多少とも役立つ変数は,できるだけもれなくとりあげるのがよいが,①項の... 前述の②項の観点からは,予測に多少とも役立つ変数は,できるだけもれなくとりあげるのがよいが,①項の観点からは,できるだけ無駄な変数はとりこみたくない.①項によるばらつきの増大と②項による偏りの発生のバランスが問題となる.また,③項の観点からは,他の変数と相関の高い変数は採用しないのがよい. 説明変数を選択して“最良”の回帰モデルを探索する統計的方法として,次のような手順がよく利用される.以下では,回帰係数の検定にもとづいて記述しているが,後述のを使うこともできる. (1) 変数増加法(forward selection method) 説明変数が1つも含まれないモデルからスタートして,次のような手順で変数を1つずつ増加させる.別名,前進選択法とも呼ばれる. ① 1つずつ変数を採用してみて単回帰式を計算し,回帰係数の検定のための値が最大となる変数を選ぶ.その値が指定された限界値 より大きけれ