2.3.8　问题讨论

由于逐步回归在未选因子中能够根据因子的方差贡献“择优录取”，在已选因子中“就次剔除”，在一定程度上保证了入选因子是对预报对象影响较大的，其预报效果一般好于多元线性回归，在实际中长期预报中得到了广泛的应用。但是，也存在一些问题需要讨论。

（1）因子个数的选取。在逐步选取因子时，如果想多选些因子，可以加大置信水平α的值，这样F分布的分位数Fα就会减小，因子更容易通过F 检验；相反，如果觉得选中的因子太多，则可以通过减小置信水平α的值来提高Fα 的数值。需要注意的是，当样本容量较小时，因子个数不宜选得太多，更不要因追求高复相关系数而选择过多的因子，否则建立的回归模型可能具有假象而不可靠。(https://www.daowen.com)

（2）物理意义明确的因子选取问题。逐步回归在因子筛选时是根据其方差贡献大小来进行的，因此可能会出现某些物理意义明确的因子由于其方差贡献不显著而未被引入方程，而一些在物理上不够重要的因子由于其方差贡献大而被选入方程。在实际应用中出现这种情况时应加强分析，确有必要可“强行”引入方程建立模型。

（3）逐步回归建立的回归方程是线性的，与多元回归一样，在历史资料已出现的数值范围内，估计值与实测值拟合最好，但是用超出历史资料范围的点代入回归方程时，有时也会出现某些不合理的现象；其预报值是预报对象各种可能出现数值的平均值，难以预报出预报对象特殊的、异常的情况。