Come interpretare una selezione indietro in Minitab

regressione multipla è un metodo utilizzato per prevedere una certa variabile utilizzando un modello statistico costituito da altre variabili . Ci sono diverse varietà di regressione multipla , una delle quali è la selezione all'indietro , noto anche come l'eliminazione all'indietro . Questa tecnica mette tutti i potenziali variabili nel modello in una volta quindi confronta quello con il minimo potere predittivo contro un dato "livello di rimozione , " utilizzando un procedimento statistico chiamato un "test t ". Se la variabile è superiore al livello di rimozione , è eliminato e il modello viene ricalcolata . Questo processo continua fino a quando tutte le variabili rimanenti sono sotto il livello di rimozione . Istruzioni
1

Aperto Minitab , fare clic su "File ", quindi su " Open Project ". Individuare il file di progetto che contiene i dati , quindi fare doppio clic su di esso .
2

Fare clic su " Stat " dalla barra dei menu in alto , poi " regressione ", quindi " graduale ". Fare clic all'interno della "Risposta " casella di testo , quindi fare doppio clic la tua 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 " Backwards eliminazione " . Fare clic su " OK" per chiudere la finestra di metodi , quindi " OK" per eseguire la regressione multipla .
4

Vai alla finestra " sessione" per vedere i risultati. Si vedrà un numero di colonne . La riga superiore è etichettato "Step ", e alla sua destra sono numerati colonne che rappresentano i passaggi del processo di eliminazione . Step One include sempre tutte le variabili , in modo da guardare verso il basso questa colonna , si vede che ogni predittore ha a valore e un valore di p . Eseguire la scansione della 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 sotto il livello di rimozione . Sono tutti fattori predittivi statisticamente significativi di vostro criterio . Se si dispone di una colonna a due , si noti che la variabile con il valore più alto da p colonna uno non è presente. Ecco perché non predice in modo significativo la variabile risposta .
6

Scansione giù l'ultima colonna nei risultati. Se l'ultima colonna numero uno è superiore al numero di variabili inserite , è perché nessuna delle vostre variabili predire la variabile di risposta . Si noti che la voce per " R - Sq ( adj ) " sulla riga in basso è zero , o vicino a zero. Altrimenti , le variabili che hanno voci nella colonna finale sono quelli che contribuiscono al modello finale . Vai a fondo e controllare "R - Sq ( adj ) . " Questo spiega che il modello è strettamente correlato con il criterio .