Methode, um innerhalb multipler Regressionen das beste Set an Prädiktoren zu identifizieren, die das Zielmaß (Kriterium) am besten zu erklären.
Ein Beispiel:
Du hast 30 mögliche Prädiktoren, mit denen du dein Zielmaß (das Kriterium) erklären möchtest.
Da es nicht sinnvoll ist, alle 30 Prädiktoren in das Modell aufzunehmen, musst du diejenigen Prädiktoren, die dein Kriterium am besten erklären, auswählen. Diesen Prozess nennt man Modellselektion.
Um dies zu tun, verwenden wir verschiedene Indikatoren (siehe AIC, BIC) und Algorithmen (siehe Rückwärtsselektion, Vorwärtsselektion, kombinierte Rückwärts- und Vorwärtsselektion, Best-Subset Selektion), die wir in unserem Kurs zu linearen Regression schrittweise mit dir durchgehen. Keine Sorge: Wir erklären dir das Vorgehen dabei sehr einfach, sodass du uns gut folgen kannst und eine multiple lineare Regression ohne Probleme korrekt durchrechnen und berichten kannst.