Key points are not available for this paper at this time.
الانحدار المرحلي هو أداة شائعة في التنقيب عن البيانات تستخدم الدلالة الإحصائية لاختيار المتغيرات التفسيرية التي ستستخدم في نموذج الانحدار المتعدد. المشكلة الأساسية في الانحدار المرحلي هي أن بعض المتغيرات التفسيرية الحقيقية التي لها تأثيرات سببية على المتغير التابع قد لا تكون ذات دلالة إحصائية، بينما قد تكون المتغيرات غير المهمة ذات دلالة إحصائية بالصدفة. نتيجة لذلك، قد يتناسب النموذج جيدًا مع البيانات في العينة، ولكنه يفشل في العينة الجديدة. يعتقد الكثير من الباحثين في البيانات الضخمة أنه كلما زاد عدد المتغيرات التفسيرية المحتملة، زادت فائدة الانحدار المرحلي لاختيار المتغيرات التفسيرية. الحقيقة هي أن الانحدار المرحلي يكون أقل فعالية كلما زاد عدد المتغيرات التفسيرية المحتملة. لا يحل الانحدار المرحلي مشكلة البيانات الضخمة المتمثلة في وجود الكثير من المتغيرات التفسيرية. تزيد البيانات الضخمة من عيوب الانحدار المرحلي.
قام غاري سميث (السبت) بدراسة هذا السؤال.