Помогите разобраться с дискриминантным анализом Опции

[kont]

Помогите, пожалуйста, разобраться с дискриминантым анализом. Например, из 20 переменных, у меня в модель , после 7 шагов было включено нес-ко пременных ,но почему они был вкл. в модель ,Если только 2 из них стат. достоверны.?
Читаю определение толерантности переменной - Значение толерантности переменной вычисляется как 1 минус R-квадрат. Поэтому значение толерантности является мерой избыточности переменной. Я просто не могу понять, что значит избыточность переменной?

Эскизы прикрепленных изображений

 

[100$]

Помогите, пожалуйста, разобраться с дискриминантым анализом. Например, из 20 переменных, у меня в модель , после 7 шагов было включено нес-ко пременных ,но почему они был вкл. в модель ,Если только 2 из них стат. достоверны.?
Читаю определение толерантности переменной - Значение толерантности переменной вычисляется как 1 минус R-квадрат. Поэтому значение толерантности является мерой избыточности переменной. Я просто не могу понять, что значит избыточность переменной?

почему они был вкл. в модель ,Если только 2 из них стат. достоверны.?

Корректный оборот выглядит так: "статистически значимы на, н-р, 5%-ном уровне значимости". На 1% -ном уровне они все незначимы.

А вы чего, собственно, хотели? Количество переменнных в модели ( ее спецификацию) определяет исследователь. Статпакет честно (и очень быстро) оценивает то, что ему предложили оценить. А потом вежливо намекает вам, что переменные, не дотягивающие до порога отсечения (F-remove) можно безболезненно удалить, поскольку толку от них никакого. Сам он решений за вас не принимает и ничего из модели не выкидывает.

Я просто не могу понять, что значит избыточность переменной?

Это надо понимать буквально: статистически незначимый параметр модели ничего не объясняет в дисперсии зависимой переменной.
Просто при усложнении модели R2 никогда не уменьшается, однако степени свободы при этом расходуются. Поэтому и ориентируются в таких случаях на скорректированный R2.