Variablenauswahl - Vorwärtsselektion

Author: Hans Lohninger

Die Vorwärtsselektion ist eine Methode, um die "beste" Kombination von Variablen zu finden, indem man mit einer Variablen beginnt und Schritt für Schritt die Zahl der Variablen erhöht. Welche Variablen hinzugefügt werden, wird anhand einiger Kriterien entschieden, die von Methode zu Methode variieren können. Für die lineare Regression werden normalerweise die partiellen F-Werte verwendet.

Bei dieser Methode wird zunächst die Variable gewählt, die die beste Anpassung an die abhängige Variable Y ergibt. Als Nächstes wird diese Variable dazu verwendet, alle Kombinationen mit den übrigen Variablen zu testen, um das "beste" Variablenpaar zu finden. In allen weiteren Schritten werden zusätzliche Variablen hinzugefügt, bis entweder alle Variablen verbraucht sind oder ein Abbruchkriterium erreicht ist (z.B. der partielle F-Wert fällt unter ein gewisses Limit).

Beachten Sie, dass die Vorwärtsselektion nicht unbedingt die beste Variablenkombination (aus allen möglichen Kombinationen) findet. Trotzdem erhält man meist eine Kombination, die der optimalen Lösung nahe kommt.

Klicken Sie auf die Darstellung oben, um die Visualisierung der Vorwärtsselektion zu starten.