ステップワイズツール

[ステップワイズ]ツールは線形、ロジスティック、およびその他の従来の回帰モデルの潜在的な予測変数のより大きなセットから、モデルに含めるための「最高の」予測変数を決定します。

ステップワイズ回帰の実装には、2つの基本的なアプローチが使用されます。 最初のアプローチ(後方選択として知られる)には、ターゲット変数に影響を与える可能性があるとみなされるすべての変数を含むモデルの使用が含まれ、その後、モデルに含まれる変数の数を調整する適合測定の良いところに基づいて、元のモデルからもっとも重要でない変数が削除されます。 その後の後方ステップで他の変数が削除されるこのプロセスは、調整された適合指標がそれ以上改善されなくなるまで継続されます。 第2の基本的アプローチ(前方変数選択として知られている)は、定数のみを含むモデルから始まり、そのモデルに調整された適合測定の最大の改善をもたらす一連の潜在変数のうちの1つの変数を追加します。 このプロセスは、一連の付加的前方ステップを使用して付加的変数を追加するために繰り返されます。これは、調整された適合測定にそれ以上の改善がない場合に終了します。 後方変数選択のベースでは、削除された変数は決して後続のステップで再入力されませんが、前方選択では変数はそれが追加された後のステップでは決して削除されません。 ハイブリッドアプローチは大きい「最大の」)初期モデルおよび第1の後方ステップで始まりますが、その後の各ステップで前(方および後方移動の両方が評価されます。

Alteryx Rベースのステップワイズ回帰ツールは、後方変数選択と後方および前方変数の混合選択の両方を使用します。 ツールを使用するには、まず問題と思われる変数をすべて含む「最大」回帰モデルを作成し、ステップワイズ回帰ツールを使用し、調整された適合測定に基づきこれらの変数のどれを削除するかを決定します。 2つの異なる調整された適合測定の選択肢、すなわち、赤池情報基準**(またはAIC)およびベイズ情報基準***(またはBIC)がユーザに提供されます。 これらの2つの指標は互いに似ていますが、BICはモデルに含まれる変数の数に大きなペナルティを与え、一般にAICを使用する場合よりも変数の少ない最終モデルになります。

このツールでは、入力データが通常のAlteryxデータストリームからのものであれば、適用可能なオープンソースR関数がモデル推定に使用されます。 入力が XDF出力ツール または XDF入力ツールからもたらされる場合、適切なRevo ScaleR関数がモデル推定に使用されます。 Revo ScaleRベースの関数を使用する利点は、大量の(メモリ不足の)データセットを解析することができるが、オープンソースのR関数で利用可能なモデル診断出力の一部を作成できないということです。

このツールはRプログラミング言語を使用します。 オプション > 予測ツールをダウンロードの順にポイントして、RとRツールが使用するパッケージをインストールします。

入力

構成プロパティ

グラフィックオプション

出力

*https://en.wikipedia.org/wiki/Stepwise_regression
**https://en.wikipedia.org/wiki/Akaike_information_criterion
***https://en.wikipedia.org/wiki/Bayesian_information_criterion