Multiple regressie is een methode die wordt gebruikt om een bepaalde variabele met behulp van een statistisch model gemaakt van andere variabelen te voorspellen . Er zijn verschillende soorten meervoudige regressie , waarvan er een achterwaartse selectie , ook wel achteruit eliminatie . Deze techniek brengt alle mogelijke variabelen in het model tegelijk vergelijkt dan degene met de minste voorspellende kracht tegen een bepaald " niveau verwijdering " met een statistische procedure genaamd " t test." Indien de variabele boven het niveau verwijdering kan geëlimineerd en het model wordt herberekend . Dit proces gaat door totdat alle overige variabelen onder het niveau verwijderen . Instructies
Open Minitab 1 , klikt u op " File " en klik op "Open Project . " Blader naar het project bestand met uw gegevens, dan dubbelklikt u erop . Kopen van 2 Klik op ' Stat ' in de menubalk bovenin , dan " Regressie , " dan " Stapsgewijze . " Klik in het " response " text- box , en dubbelklik vervolgens op uw reactie variabele uit de lijst aan de linkerkant . Klik vervolgens in de doos " Voorspellers " en dubbelklik op al uw voorspellende variabelen .
3 Klik op de " Methods " knop , en klik vervolgens op de "Achteruit eliminatie " radioknop . Klik op ' OK ' om het venster methoden te verlaten , vervolgens op "OK " om de multiple regressie uitgevoerd .
4 Ga naar het venster " Sessie " om uw resultaten te zien . Je zult een aantal kolommen te zien . De bovenste rij is het label " Step , " en tot zijn recht zijn genummerd kolommen vertegenwoordigen de stappen in het eliminatie proces . Stap een is altijd inclusief alle variabelen , dus naar beneden te kijken deze kolom , zie je dat elke voorspeller heeft in waarde en ap waarde . Scan de kolom en degene met de hoogste p-waarde .
5 Controleer of er een tweede kolom , label gewoon " 2 . " Als het niet aanwezig is , betekent dit dat alle variabelen onder het niveau verwijderen . Ze zijn allemaal statistisch significante voorspellers van uw criterium . Als u een kolom twee , er rekening mee dat de variabele met de hoogste p-waarde uit kolom men niet aanwezig is . Dat is omdat het niet significant uw reactie variabele voorspellen .
6 Scan naar beneden de laatste kolom in uw resultaten . Als de laatste kolom een nummer hoger is dan het aantal ingevoerde variabelen , het is omdat geen van uw variabelen te voorspellen van de respons variabele . Merk op dat de vermelding voor " R - Sq ( adj ) " op de onderste rij nul of bijna nul . Anders , de variabelen die gegevens in de laatste kolom zijn degenen die bijdragen aan het uiteindelijke model . Ga naar de onderkant en check " R - Sq ( adj ) . " Dit vertelt je dat het model sterk correleert met het criterium .
|
