所谓“变量优选”可以理解为通过对自变量组合，使得选择的模型误差最不明显（岭迹分析法、RMSq分析法、Cp准则、AIC准则分析法）。
但是这里我有个疑问：如果采用全模型，让优选因子后的模型和全模型进行比较，那么可靠性的保证就是：全模型和现实情况完全一致，全模型就代表了实际情况，或者说实际情况就可以通过全模型来表达。
但是如果全模型和优选变量后建立的模型都按最小二乘方法来解算，如何能够保证全模型与现实情况的同一？既然全模型不能完全代表现实情况，优选模型与全模型的误差有能代表什么？全模型采用最小二乘方法是无偏的，优选模型通过有偏来时结果更加可靠，可信度更高。但是全模型的的变量必须确实全才行吧，现实使用中系统中总是在可以得到的数据基础上再优选！难道真的是“错误+错误=正确？”还有这样优选出来的因子建立回归模型能够采用最小二乘估计，但是能够能够采用岭估计吗？
两阶段：根据特定调查样地优选的遥感和GIS因子来建立抽样地区的估测方程；根据抽样样地估测的模型参数预测监测区域所有样地的蓄积量！
岭估计是一种有偏估计，最小二乘估计是线性无偏估计。
首先确定模型是否符合高斯-马尔科夫假设。选择模型和变量优选应该是同步进行的？很糊涂！
或许只是同样的方法和同样的步骤用在不同的阶段罢了！
2012年10月