La regresión escalonada básicamente se ajusta al modelo de regresión agregando / eliminando covariables una a la vez en función de un criterio específico (en su ejemplo anterior, el criterio se basaría en el BIC).
Al especificar hacia adelante, está diciendo R
que le gustaría comenzar con el modelo más simple (es decir, una covariable) y luego agregar una covariable de una en una, manteniendo solo las que dan como resultado una mejora en los modelos BIC.
Al especificar hacia atrás, está diciendo R
que desea comenzar con el modelo completo (es decir, el modelo con todas las covariables) y luego soltar las covariables, una vez, que dan como resultado una mejora en el BIC.
La regresión por pasos puede ser un procedimiento estadístico muy peligroso porque no es un procedimiento de selección de modelo óptimo. El método puede conducir a una selección de modelo muy pobre porque y no lo protege contra problemas tales como comparaciones múltiples.