Methoden und Formeln für schrittweises Verfahren in Binäre Antwort für definitiven Screening-Versuchsplan analysieren

Verfahren des vorwärts gerichteten Informationskriteriums

Hierbei handelt es sich um eine Methode, mit der ermittelt wird, welche Variablen in einem Modell beibehalten werden sollen. Beim Verfahren des vorwärts gerichteten Informationskriteriums wird dem Modell bei jedem Schritt der Term mit dem niedrigsten p-Wert hinzugefügt. Bei jedem Schritt können weitere Terme in das Modell aufgenommen werden, wenn die Einstellungen für die Analyse die Berücksichtigung nicht hierarchischer Terme zulassen, aber erfordern, dass alle Modelle hierarchisch sind. Minitab berechnet das Informationskriterium für jeden Schritt. Minitab zeigt die Ergebnisse für die Analyse des Modells mit dem kleinsten Wert für das ausgewählte Informationskriterium (AICc oder BIC) an. In den meisten Fällen wird das Verfahren fortgesetzt, bis eine der folgenden Bedingungen eintritt:
  • Das Verfahren kann in acht aufeinander folgenden Schritten kein neues Minimum für das Kriterium ermitteln.
  • Das Verfahren passt das vollständige Modell an.
  • Das Verfahren passt ein Modell an, das einen Freiheitsgrad für Fehler lässt.
Wenn Sie Einstellungen für das Verfahren festlegen, nach denen bei jedem Schritt ein hierarchisches Modell erforderlich ist und jeweils nur ein Term aufgenommen werden darf, wird das Verfahren fortgesetzt, bis es entweder das vollständige Modell oder ein Modell anpasst, das einen Freiheitsgrad für Fehler lässt. Minitab zeigt die Ergebnisse für die Analyse des Modells mit dem kleinsten Wert für das ausgewählte Informationskriterium (AICc oder BIC) an.

Verfahren der Vorwärtsauswahl

Hierbei handelt es sich um eine Methode, mit der ermittelt wird, welche Terme in einem Modell beibehalten werden sollen. Bei der Vorwärtsauswahl werden dem Modell Variablen auf dieselbe Weise wie beim schrittweisen Verfahren hinzugefügt. Nachdem eine Variable hinzugefügt wurde, wird sie nicht mehr entfernt. Der Standardvorgang der Vorwärtsauswahl wird beendet, wenn keine der potenziellen Variablen einen p-Wert aufweist, der kleiner als der in Alpha für Aufnahme angegebene Wert ist.

Verfahren der Rückwärtselimination

Hierbei handelt es sich um eine Methode, mit der ermittelt wird, welche Variablen in einem Modell beibehalten werden sollen. Bei der Rückwärtselimination wird mit dem Modell begonnen, das alle Terme enthält, und die Terme werden wie beim schrittweisen Verfahren jeweils einzeln entfernt. Entfernte Variablen können nicht mehr in das Modell aufgenommen werden. Der Standardvorgang der Rückwärtselimination wird beendet, wenn keine der im Modell enthaltenen Variablen einen p-Wert aufweist, der größer als der in Alpha für Ausschluss angegebene Wert ist.

Methode der schrittweisen Regression

Die Variablenauswahl erfolgt durch das Aufnehmen von Prädiktoren in das vorhandene Modell bzw. Entfernen von Prädiktoren aus dem vorhandenen Modell auf der Grundlage des Chi-Quadrat-Tests. Die schrittweise Regression stellt eine Kombination aus den Verfahren der Vorwärtsauswahl und der Rückwärtselimination dar.

Informationen zum Berechnen von Chi-Quadrat-Statistiken für einen Term finden Sie unter Analyse der Abweichung.

Zu entfernende Variablen

Minitab berechnet die Chi-Quadrat-Statistik und den p-Wert für jede Variable im Modell.

Wenn der p-Wert für eine Variable größer als der in Alpha für Ausschluss angegebene Wert ist, entfernt Minitab die Variable mit dem größten p-Wert aus dem Modell, berechnet die Regressionsgleichung, zeigt die Ergebnisse an und leitet den nächsten Schritt ein.

Hinzuzufügende Variablen

Wenn Minitab eine Variable nicht entfernen kann, wird versucht, eine Variable hinzuzufügen. Minitab berechnet die Chi-Quadrat-Statistik und den p-Wert für jede Variable, die nicht im Modell enthalten ist.

Wenn der p-Wert für die Chi-Quadrat-Statistik einer Variablen kleiner als der in Alpha für Aufnahme angegebene Wert ist, fügt Minitab dem Modell die Variable mit dem kleinsten p-Wert hinzu, berechnet die Regressionsgleichung, zeigt die Ergebnisse an und leitet den nächsten Schritt ein.

Wenn keine weiteren Variablen in das Modell aufgenommen bzw. aus dem Modell entfernt werden können, endet das schrittweise Verfahren.

Durch Ihre Nutzung dieser Website stimmen Sie zu, dass Cookies verwendet werden. Cookies dienen zu Analysezwecken und zum Bereitstellen personalisierter Inhalte.  Lesen Sie unsere Richtlinien