Cómo interpretar una selección hacia atrás en Minitab

regresión múltiple es un método utilizado para predecir una cierta variable usando un modelo estadístico formado por otras variables . Hay varias variedades de regresión múltiple , uno de los cuales es la selección hacia atrás , también conocido como la eliminación hacia atrás . Esta técnica pone todas las variables posibles en el modelo a la vez y luego compara la que tiene el menor poder predictivo sobre un determinado "nivel de extracción ", usando un procedimiento estadístico llamado "test t. " Si la variable está por encima del nivel de extracción , es eliminado y el modelo se vuelve a calcular . Este proceso continúa hasta que todas las variables restantes están bajo el nivel de eliminación . Instrucciones
1

abierto Minitab , haga clic en " Archivo" y luego haga clic en " Abrir proyecto ". Busque el archivo de proyecto que contiene sus datos, haga doble clic en él.
2

Haga clic en " Estadísticas " de la barra de menú en la parte superior , a continuación, " regresión ", luego " paso a paso ". Haga clic en el interior de la "Respuesta " text -box, a continuación, haga doble clic en la variable de respuesta por parte de la lista de la izquierda. A continuación, haga clic en la caja " predictores " y haga doble clic en todas las variables predictoras.
3

clic en el botón " Opciones " y luego haga clic en el botón de " atrás la eliminación " . Haga clic en " Aceptar" para salir de la ventana de los métodos , y luego " Aceptar" para ejecutar la regresión múltiple.
4

Ir a la ventana " Session" para ver los resultados . Verá una serie de columnas . La fila superior está marcado como " Paso ", ya su derecha se numeran columnas que representan los pasos en el proceso de eliminación . Paso uno siempre incluye todas las variables , así que mirando hacia abajo esta columna , se ve que cada indicador tiene su valor y un valor de p . Busque en la columna y encontrar el que tiene el valor más alto p .
5

Compruebe si hay una segunda columna, marcada sólo " 2 . " Si no está presente , esto significa que todas las variables son por debajo del nivel de eliminación. Todos ellos son predictores estadísticamente significativos de su criterio. Si usted tiene una columna de dos, tenga en cuenta que la variable con el valor p más alto de la columna no se encuentra presente. Esto se debe a que no predice de manera significativa la variable de respuesta .
6

Escanear por la última columna de los resultados. Si el último número de una columna es mayor que el número de variables que ha entrado , es porque ninguna de las variables a predecir la variable de respuesta . Tenga en cuenta que la entrada de la "R -Sq ( adj )" en la fila inferior es cero o cercano a cero. De lo contrario , las variables que tienen entradas en la columna final son los que contribuyen al modelo final . Ir a la parte inferior , y marca " R -Sq ( adj ) . " Esto indica que el modelo se correlaciona fuertemente con el criterio.