이 질문 / 주제는 동료와의 토론에서 나 왔으며 이것에 대한 의견을 찾고있었습니다.
랜덤 효과 로지스틱 회귀, 더 정확하게는 임의의 가로 채기 로지스틱 회귀를 사용하여 일부 데이터를 모델링하고 있습니다. 고정 효과의 경우 관심있는 9 개의 변수가 있습니다. 중요한 변수를 찾고“최상의”모델을 제공하기 위해 일종의 모델 선택을하고 싶습니다 (주요 효과 만).
첫 번째 아이디어는 AIC를 사용하여 다른 모델을 비교하는 것이었지만 9 개의 변수로 2 ^ 9 = 512 개의 다른 모델 (키워드 : 데이터 준설)을 비교하기에는 너무 흥미로 웠습니다.
나는 이것을 동료와 논의했으며 GLMM과 함께 단계별 (또는 앞으로) 모델 선택을 사용하는 것에 대해 읽은 것을 기억한다고 말했다. 그러나 p- 값을 사용하는 대신 (예 : GLMM에 대한 우도 비율 테스트를 기반으로) AIC를 입 / 출국 기준으로 사용해야합니다.
나는이 아이디어가 매우 흥미로웠다는 것을 알았지 만, 이것에 대해 더 논의한 참고 문헌을 찾지 못했고 동료는 그가 그것을 읽은 곳을 기억하지 못했다. 많은 책들이 모델을 비교하기 위해 AIC를 사용하라고 제안하지만 나는 이것을 단계적 또는 전진 모델 선택 절차와 함께 사용하는 것에 대한 토론을 찾지 못했습니다.
그래서 기본적으로 두 가지 질문이 있습니다.
단계적 모델 선택 절차에서 AIC를 출입 기준으로 사용하는 데 문제가 있습니까? 그렇다면 대안이 무엇입니까?
위의 절차를 설명하는 참조 자료가 있습니까 (최종 보고서에 대한 참조 자료가 있습니까?)
베스트,
에밀리아