前后变量选择
variable的Python项目详细描述
变量.方法选择
向前（Y，X）
背面（Y，X）
此包执行正向和反向选择过程，以帮助选择要包含在OLS回归模型中的变量。
正向选择过程从一个方程开始，该方程不包含预测变量，只包含用户必须添加的常数为了确定要包含在方程中的第一个变量，选择与响应变量具有最高简单相关性的自变量，并将其包含在ols回归中。如果对自变量的p值的评估完成，并且如果证明该变量与零显著不同，则将其保留在方程中，并开始对第二个变量进行审查。为了识别第二个变量，根据之前ols回归的残差完成与剩余变量的相关性。选择与残差相关度最高的自变量作为第二个变量，包含在随后的ols回归中。如果证明第二个变量的p值从零开始显著，则保留第二个变量并开始搜索第三个变量。对于所有可用变量，此过程将继续。
反向选择过程从所有变量开始，包括一个必须由用户添加的常量，并在每次迭代中系统地删除t值最小的变量
要启动函数，用户必须指定目标变量（y）和独立变量（X）
这个包的输出是一个表，显示变量的求值顺序，以及用于求值要包含在模型中的变量的验证因子。用户应查看表格，并根据自己的偏好作出决定。
这个变量选择包是基于chatterjee，samprit和hadi，ali s（2012）中描述的过程开发的。实例回归分析（第5版）新泽西州霍博肯：John Wiley&Sons，Inc.
欢迎加入QQ群-->： 979659372
