Dieser Befehl ist mit Predictive Analytics-Modul verfügbar. Klicken Sie hier, um weitere Informationen zum Aktivieren des Moduls zu erhalten.
Angenommen, es gibt m Prädiktoren in einem Trainingsdatensatz, bezeichnet als x1, x2, ..., xm. Sortieren Sie zunächst die unterschiedlichen Werte von Prädiktor x1 im Trainingsdatensatz in ansteigender Folge. Bezeichnen Sie x11 als ersten eindeutigen Wert von X1. Bezeichnen Sie x1N als letzten eindeutigen Wert von X1. Dann ist x11 die x-Koordinate für den Punkt ganz links in der Grafik.
Angenommen, das Modell verfügt über die folgende Regressionsgleichung:
Y = 1000 - 5 * BF1 + 3 * BF2
Nehmen wir schließlich an, dass x11 = 400 ist und dass die minimale Anpassung der gleichmäßig verteilten Punkte 100 beträgt.
Um die y-Koordinate für ein partielles Abhängigkeitsdiagramm für X 1 zu finden, betrachten Sie nur dieBasisfunktionen, die X1betreffen. Dann kommt die Anpassung für x11 , die nur die Basisfunktion für X1 berücksichtigt, von:
1000 − 5 * (max(0, 400 - 350)) = 1000 − 5*50 = 750.
Dann ist die y-Koordinate für x11 750 - 100 = 650.
Wenn wir x11 durch gleichmäßig verteilte Werte von X 1 bis XNersetzen, erhalten wir die y-Koordinaten für die restlichen Punkte im Diagramm. Diese Punkte ermöglichen es Ihnen, die y-Koordinaten auf dem Diagramm im Detail zu untersuchen. Die Muster im Diagramm entsprechen ungefähr einem Diagramm mit Linien, die Punkte verbinden, an denen sich die Basisfunktionen ändern. Die Berechnungen für die übrigen Prädiktoren erfolgen auf ähnliche Weise.