تم إضافة تقرير جديد 2024
ارسل ملاحظاتك

ارسل ملاحظاتك لنا









الرئيسية > متي ولماذا تفشل طريقة Stepwise...>الوصف

متي ولماذا تفشل طريقة Stepwise في اختيار أفضل مجموعة جزئية لمتغيرات الانحدار؟

المصدر: مجلة الإدارة والاقتصاد
الناشر: الجامعة المستنصرية - كلية الإدارة والاقتصاد
المؤلف الرئيسي: عبدالحسين، صباح فرج (مؤلف)
المجلد/العدد: س36, ع95
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2013
الصفحات: 342 - 351
ISSN: 1813-6729
رقم MD: 636622
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EcoLink
مواضيع:
متغيرات الانحدار
طريقة Stepwise
رابط المحتوى:

الناشر لهذه المادة لم يسمح بإتاحتها.
صورة الغلاف QR قانون
حفظ في:
المستخلص: لاشك أن طريقة stepwise هي أحدى أفضل طرائق الاختيار المتسلسل لمتغيرات الانحدار، إلا أنها -حسب تقديري- تعاني من عيب أساس هو أنها في غالب التطبيقات لا يمكنها التخلص من تأثير المتغير- الذي يتم اختياره في المرحلة الأولى منها- على اختيار المتغيرات المهمة الأخرى مما يؤدي في حالة وجود علاقات خطية قوية بينه وبين هذه المتغيرات إلى استبعادها (كلاً أو جزءاً) من المجموعة الجزئية النهائية المختارة مما يعني في النتيجة الفشل في اختيار أفضل مجموعة لمتغيرات الانحدار. وهذا يشير إلى أن ذلك المتغير يقف حاجزاً مانعاً أمام اختيار المتغيرات التي تتلوه في الأهمية الابتدائية لقوة علاقاته الخطية بها وبذلك تنتفي الفائدة من إعادة تقييمه في كل مرحلة من مراحل الطريقة ضمن المجموعات الجزئية التي يسمح بتكوينها إلا إذا كسر هذا الحاجز بطريقة ما، كرفع مستوى معنوية إدخال المتغيرات إلى المجموعات الجزئية بحيث لا يقل عن 0.10. وحسب الأهمية الابتدائية لمتغيرات الانحدار التي يراد من بينها اختيار أفضل مجموعة جزئية، وهو ما اقترحه الباحث لتفعيل التعديل الذي جاءت به طريقة stepwise على طريقة foreword، مع ملاحظة أن ذلك قد يؤدي إلى اختيار متغيرات إضافية ربما تكون ضعيفة المساهمة في التأثير في الظاهرة موضوع البحث في المجتمع.

No doubt that step wise procedure (SP) is one of the best procedures of serial choice of regression variables, but it suffers – as I see – from abasic defect that, in most applications it can't getrid of the effect of first selected variable on selecting the other ones in case of presence of linear correlations between them. The first selected variable stands as a screen before joining the other important variables "totally or partially" the finalsubset. Consequently, (SP) fails selecting the best subset regression variables (BSRV). So there will be no use of retesting it during the procedure unless one breaks the screen in such away like raising the significance level of testing the selected variables such that it won't be less than 0.10 and according to their importance. This is what the researcher has proposed to make the (SP) more efficient than foreword to select (BSRV). But one must notice that this proposal may lead to select additional variables that have weakened contribution in explanation of social phenomenon.
ISSN: 1813-6729

عناصر مشابهة


© 2025 المنظومة. جميع الحقوق محفوظة.