УРОВНИ ЗНАЧИМОСТИ В ШАГОВОМ РЕГРЕССИОННОМ МЕТОДЕ
При выполнении предыдущего примера мы назначали процентную точку для F-критерия исходя из 
Однако на четвертом шаге величина F была достаточно большой, чтобы превзойти даже 99,9 %-ную точку 
, в то время как на шестом шаге F-критерий для 
при наличии в уравнении 
был недостаточно велик даже для того, чтобы превысить 90%-ную точку 
. Обычно выбирается некоторый фиксированный уровень, такой, как, скажем, 
, и он используется без изменения на всех шагах процедуры. Можно также устанавливать различные уровни для критериев включения и исключения. Однако при этом неразумно принимать «а для исключения» меньше «а для включения», а также исключать предикторы, только что включенные в уравнение. Некоторые авторы предпочитают выбирать «а для исключения» на более высоком уровне, чем «а для включения», чтобы отдать предпочтение тем предикторам, которые уже включены в уравнение. Такие вариации зависят от личных вкусов исследователей, однако они наряду с фактически выбранными значениями величин а оказывают большое воздействие на то, каким образом будет вести себя данная процедура отбора и как много предикторов останется в итоговом уравнении. Некоторые исследователи вообще игнорируют таблицы F-критерия и просто сравнивают значение F-критерия с произвольным числом, скажем, 4. Мы предлагаем читателям, не имеющим каких-то обоснованных суждений на этот счет, принимать 
или 
как для критерия включения, так и для критерия исключения, если используемый пакет программ регрессионного анализа допускает такой выбор, как это имеет, например, место в пакете 
Эти уровни потом можно изменять, как подскажет опыт. В следующем параграфе мы увидим, что уровни значимости а — это по крайней мере не строгие характеристики, так что едва ли стоит прилагать большие усилия для их точного выбора. Обычно принято выбирать а на уровне 
т. е. фактическая величина а гораздо больше, чем 0,05 (это вытекает из некоторых предварительных исследований, посвященных данному вопросу), что влечет за собой тенденцию включать в уравнение больше предикторов, чем это может предвидеть пользователь.
Существует ряд пакетов программ шаговой регрессии. В частности, пакет BMDP дает замечательные результаты, он допускает
различные возможности выбора. Шаговая процедура применительно к данным Хальда, обработанным в соответствии со специальными критериями, указанными ранее, описана в приложении В, с. 303—312.
