Come interpretare una selezione indietro in Minitab

October 31

regressione multipla è un metodo utilizzato per prevedere una certa variabile utilizzando un modello statistico formato da altre variabili. Ci sono diverse varietà di regressione multipla, una delle quali essendo selezione all'indietro, noto anche come eliminazione all'indietro. Questa tecnica mette tutte le variabili possibili nel modello immediatamente confronta quindi quello con il minimo potere predittivo contro un dato "livello di rimozione", usando un procedimento statistico chiamato "t test". Se la variabile è superiore al livello di rimozione, è eliminata e il modello viene ricalcolato. Questo processo continua fino a quando tutte le variabili rimanenti sono sotto il livello di rimozione.

istruzione

1 Aperto Minitab, cliccare su "File", quindi su "Apri progetto". Individuare il file di progetto che contiene i dati, quindi fare doppio clic su di esso.

2 Fai clic su "Stat" dalla barra dei menu in alto, poi "regressione", quindi "graduale". Fare clic all'interno della casella di testo "di risposta", quindi fare doppio clic sulla variabile di risposta dalla lista a sinistra. Quindi fare clic all'interno della casella "predittori" e fare doppio clic su tutte le variabili predittive.

3 Fare clic sul pulsante "Metodi", quindi fare clic sul pulsante di opzione "eliminazione indietro". Fai clic su "OK" per lasciare la finestra metodi, quindi "OK" per eseguire la regressione multipla.

4 Vai alla finestra "Session" per vedere i risultati. Si vedrà un numero di colonne. La riga superiore è etichettato "Passo", e alla sua destra vengono numerate colonne che rappresentano i passaggi del processo di eliminazione. Fase uno comprende sempre tutte le variabili, in modo da guardare verso il basso questa colonna, si vede che ogni predittore ha al valore e un valore di p. Scansione colonna e trovare quello con il valore più alto p.

5 Verificare se vi è una seconda colonna, etichettata semplicemente "2." Se non è presente, significa che tutte le variabili sono al di sotto del livello di rimozione. Sono tutti fattori predittivi statisticamente significativi della vostra scelta. Se si dispone di una colonna di due, si noti che la variabile con il valore più alto P dalla colonna non è presente. Ecco perché non predice in modo significativo la variabile di risposta.

6 Eseguire la scansione verso il basso l'ultima colonna nei risultati. Se l'ultima colonna un numero è superiore al numero di variabili inserite, è perché nessuno dei vostri variabili prevedere la variabile di risposta. Si noti che la voce "R-Sq (agg)" sulla riga inferiore è zero o prossimo allo zero. Altrimenti, le variabili che hanno voci nella colonna finale sono quelli che contribuiscono al modello finale. Vai in fondo e controllare "R-SQ (adj)." Questo ti dice che il modello è strettamente correlato con il criterio.


Articoli Correlati