Stepwise Regresyon için birkaç alternatif var . En çok kullandığım:
- Modele hangi değişkenlerin dahil edileceğine karar vermek için uzman görüşü .
- Kısmi En Küçük Kareler Regresyonu . Esasen gizli değişkenleri elde edersiniz ve onlarla bir regresyon yaparsınız. PCA'yı kendiniz de yapabilir ve ardından temel değişkenleri kullanabilirsiniz.
- En Küçük Mutlak Çekme ve Seçim Operatörü (LASSO).
Hem PLS Regression hem de LASSO , aşağıdaki gibi R paketlerinde uygulanır.
PLS : http://cran.r-project.org/web/packages/pls/ ve
LARS : http://cran.r-project.org/web/packages/lars/index.html
Yalnızca bağımlı değişkeninizle bağımsız değişkenler arasındaki ilişkiyi araştırmak istiyorsanız (örneğin istatistiksel anlamlılık testlerine ihtiyacınız yoktur), ayrıca Rastgele Ormanlar veya Sınıflandırma / Regresyon Ağaçları gibi Makine Öğrenmesi yöntemlerini de öneririm . Rastgele Ormanlar ayrıca bağımlı ve bağımsız değişkenleriniz arasındaki doğrusal doğrusal olmayan ilişkilere de yaklaşabilir (bunlar Doğrusal Regresyon gibi ).
Makine Öğrenimi için iyi bir başlangıç noktası , CRAN'da Makine Öğrenimi görev görünümü olabilir:
Makine Öğrenimi Görev Görünümü : http://cran.r-project.org/web/views/MachineLearning.html