这种传统的建模方法却有着某些固有的缺陷。 其中备受质疑的是这种建模过程的所谓“数据开 采”( Data minimg)问题。 数据开釆:对不同变量及其数据的偿试与筛选 这一过程对最终选择的变量的检验产生较大影响 当在众多备选变量中选择变量进入模型时,其 中检验的真实的显著性水平已不再是事先给出的 名义显著性水平。 显著性水平意味着将一个无关变量作为相关变 量选入模型而犯错误的概率。这种传统的建模方法却有着某些固有的缺陷。 其中备受质疑的是这种建模过程的所谓“数据开 采”（Data minimg）问题。 数据开采:对不同变量及其数据的偿试与筛选 这一过程对最终选择的变量的t检验产生较大影响 当在众多备选变量中选择变量进入模型时，其 中t检验的真实的显著性水平已不再是事先给出的 名义显著性水平。 显著性水平意味着将一个无关变量作为相关变 量选入模型而犯错误的概率