Die Auswirkungen der Modellauswahl auf die Inferenz in der linearen Regression

Zusammenfassung Die Modellauswahl und die Inferenz werden normalerweise als separate Phasen der Regressionsanalyse behandelt, obwohl beide Aufgaben an demselben Datensatz durchgeführt werden. Sobald ein Modell ausgewählt wurde, verfährt man typischerweise so, als hätte man einen neuen Datensatz, der durch das ausgewählte Modell erzeugt wurde. Hier präsentieren wir Monte-Carlo-Ergebnisse zu den Abdeckungsraten von Vertrauensbereichen für die Regressionsparameter, abhängig von der gewählten Modellreihenfolge. Die bedingten Abdeckungsraten sind deutlich geringer als die nominalen Abdeckungsraten, die angenommen werden, wenn man annimmt, dass das Modell im Voraus bekannt war. Darüber hinaus ist die gesamte Abdeckungsrate deutlich geringer als der nominale Wert. Ein möglicher Ansatz, der auf Datenteilung basiert, wird vorgeschlagen.