ZUSAMMENFASSUNG Wir geben eine Zerlegung der prädiktiven Varianz basierend auf dem Gesetz der totalen Varianz, indem wir die Antwortvariable von einer endlich dimensionalen diskrete Zufallsvariable abhängig machen, welche unsere Modellannahmen repräsentiert. Dann testen wir, welche Terme in dieser Zerlegung klein genug sind, um ignoriert zu werden. Dies ermöglicht es uns zu identifizieren, welche der diskreten Zufallsvariablen, das heißt, Aspekte des Modellierens, am wichtigsten für die prädiktive Varianz sind. Die Terme in der Zerlegung erlauben Interpretationen basierend auf bedingten Mittelwerten und Varianzen und sind analog zu den Termen in einer Zerlegung der quadrierten Fehler nach Cochran, die oft in der Varianzanalyse verwendet wird. Somit werden die Modellelemente als Faktoren in einem vollständig randomisierten Design behandelt.
Dustin et al. (Thu,) haben diese Frage untersucht.