Geriye Doğru Eleme
Backward Elimination
Tanım
Regresyon analizinde, başlangıçtaki tüm yordayıcı değişkenlerin modele dahil edilip, istatistiksel olarak anlamlı katkı sağlamayanların birer birer sistemli bir şekilde çıkarıldığı model seçme tekniğidir.
Örnek Vaka / Uygulama
Bir klinik psikoloji araştırmacısında, hastaların depresyon skorlarını yordamak için başlangıçta yaş, cinsiyet, stres düzeyi, uyku kalitesi, medeni durum, günlük adım sayısı ve kafein tüketimi gibi 15 farklı değişken modele eklenir. Geriye doğru eleme algoritması çalıştırıldığında, istatistiksel olarak anlamlı düzeyde katkı sunmayan 'medeni durum' ve 'kafein tüketimi' sırasıyla modelden çıkarılır ve geriye kalan 5 temel yordayıcı ile nihai regresyon denklemi elde edilir.
Derin Analiz
Çok değişkenli istatistiksel modellemede, karmaşık veri setlerinden en parslimonik (en az parametreyle en yüksek açıklayıcılık) yapıyı elde etmek için kullanılan iteratif bir prosedürdür. Süreç, tüm aday yordayıcıların yer aldığı tam model (full model) ile başlar. Her adımda, model performansına (örneğin p-değeri veya Akaike Bilgi Kriteri - AIC) en az katkı sağlayan değişken tespit edilir ve eşik değerin altında kalması durumunda denklemden düşürülür. Bu döngü, önceden belirlenmiş durdurma kriteri sağlanana kadar tekrarlanır. Multikolinearite (çoklu doğrusal bağlantı) durumlarında yanıltıcı sonuçlar doğurabileceğinden, analistin modeli teorik temellerle desteklemesi yöntemsel geçerlilik açısından kritik önem taşır.
Etimoloji
İngilizce 'backward' (geriye doğru) ve Latince 'eliminare' [e- [dışarı] + limen eşik] kelimelerinin birleşiminden türetilmiştir; eşikten dışarı çıkarma anlamını taşır.
Karıştırmayın
İleriye doğru seçim (forward selection) ile karıştırılır; ileriye doğru seçim boş modelden başlayarak değişken eklerken, geriye doğru eleme dolu modelden başlayarak değişken çıkarır.