Obecnie pracuję nad zbudowaniem modelu przy użyciu wielokrotnej regresji liniowej. Po manipulowaniu moim modelem nie jestem pewien, jak najlepiej określić, które zmienne zachować, a które usunąć.
Mój model zaczął się od 10 predyktorów dla DV. Przy zastosowaniu wszystkich 10 predyktorów cztery zostały uznane za znaczące. Jeśli usunę tylko niektóre z oczywiście niepoprawnych predyktorów, niektóre z moich predyktorów, które początkowo nie były znaczące, staną się znaczące. Co prowadzi mnie do pytania: w jaki sposób można określić, które predyktory należy uwzględnić w ich modelu? Wydawało mi się, że należy raz uruchomić model ze wszystkimi predyktorami, usunąć te, które nie są znaczące, a następnie ponownie uruchomić. Ale jeśli usunięcie tylko niektórych z tych predyktorów czyni inne znaczącymi, pozostawiam pytanie, czy podchodzę do tego źle.
Uważam, że ten wątek jest podobny do mojego pytania, ale nie jestem pewien, czy poprawnie interpretuję dyskusję. Być może jest to bardziej eksperymentalny temat projektowania, ale może ktoś ma doświadczenie, którym może się podzielić.