Übersicht über Regression der besten Teilmengen

Verwenden Sie Regression der besten Teilmengen, um verschiedene Regressionsmodelle zu vergleichen, die Teilmengen der von Ihnen angegebenen Prädiktoren enthalten. Minitab wählt die am besten angepassten Modelle aus, die einen Prädiktor, zwei Prädiktoren usw. enthalten. Die am besten angepassten Modelle weisen die höchsten R²-Werte auf. Verwenden Sie die Regression der besten Teilmengen, wenn eine stetige Antwortvariable und mehr als ein stetiger Prädiktor vorliegen.

Die Regression der besten Teilmengen ist ein effizientes Verfahren, um Modelle zu identifizieren, die mit so wenig Prädiktoren wie möglich gut an Ihre Daten angepasst sind. Mit Modellen, die eine Teilmenge der Prädiktoren enthalten, ergibt sich beim Schätzen der Regressionskoeffizienten und Prognostizieren von zukünftigen Werten der Antwortvariablen möglicherweise eine geringere Varianz als mit dem Modell, das alle Prädiktoren enthält.

Ein Analytiker in einem Einzelhandelsgeschäft möchte beispielsweise das Umsatzvolumen prognostizieren. Zu den Prädiktoren zählen Verkehr, Bevölkerung, Durchschnittseinkommen und direkte Wettbewerber in der Nähe des Geschäfts. Der Analytiker identifiziert mit Hilfe der Regression der besten Teilmengen die Prädiktoren, die das Umsatzvolumen am besten prognostizieren.

Wo finde ich diese Analyse?

Um eine Regression der besten Teilmengen durchzuführen, wählen Sie Statistik > Regression > Regression > Beste Teilmengen aus.

In welchen Fällen bietet sich eine andere Analyse an?

Wenn kategoriale Prädiktoren vorliegen, verwenden Sie Regressionsmodell anpassen, um in einem schrittweisen Verfahren durch automatisches Hinzufügen oder Entfernen von Prädiktoren auf der Grundlage der jeweiligen statistischen Signifikanz ein Regressionsmodell auszuwählen.
Wenn Sie über kategoriale Prädiktoren verfügen, die geschachtelt oder zufällig sind, verwenden Sie Allgemeines lineares Modell anpassen, wenn durchgehend feste Faktoren vorliegen, oder verwenden Sie Modell mit gemischten Effekten anpassen, wenn Zufallsfaktoren vorliegen.
Wenn es sich bei Ihrer Antwortvariablen um eine kategoriale Variable handelt, verwenden Sie ein Verfahren der logistischen Regression.