Übersicht für Regressionsmodell anpassen und Lineare Regression

Regressionsmodell anpassen und Lineare Regression führen Sie dieselbe Analyse über verschiedene Menüs durch. Verwenden Sie diese Analysen, um die Beziehung zwischen einem Satz von Prädiktoren und einer kontinuierlichen Antwortvariablen unter Verwendung der Methode der gewöhnlichen kleinsten Quadrate zu beschreiben. Sie können Wechselwirkungs- und Polynomialterme einbinden, eine schrittweise Regression durchführen und schiefe Daten transformieren.

Immobiliengutachter möchten z. B. herausfinden, in welcher Beziehung der Verkaufspreis von Apartments in der Stadt zu mehreren Prädiktorvariablen wie der Wohnfläche, der Anzahl verfügbarer Einheiten, dem Alter des Gebäudes und der Entfernung zum Stadtzentrum steht. Die Gutachter können anhand der multiplen Regression ermitteln, welche Prädiktoren eine signifikante Beziehung zum Verkaufspreis aufweisen.

Nachdem Sie die Analyse durchgeführt haben, speichert Minitab das Modell, das Ihnen folgende Möglichkeiten bietet:

Sie können die Werte der Antwortvariablen für neue Beobachtungen prognostizieren.
Sie können die Beziehungen zwischen den Variablen grafisch darstellen.
Sie können Werte finden, mit denen die Werte einer oder mehrerer Antwortvariablen optimiert werden.

Weitere Informationen finden Sie unter Übersicht über gespeicherte Modelle.

Wo finde ich diese Analyse?

Um ein Regressionsmodell anzupassen, wählen Sie Statistik > Regression > Regression > Regressionsmodell anpassen aus.

Sie können auch wählen Predictive Analytics-Modul > Lineare Regression. Die Version der Analyse aus dem Predictive Analytics-Modul weist die folgenden Unterschiede auf.

Der Zugriff auf Analysen, die das angepasste Modell verwenden, erfolgt über den Ausgabebereich und nicht über das Menü. Analysen des angepassten Modells sind für jedes Modell verfügbar, dessen Ausgabe im Navigator vorhanden ist, nicht nur für das neueste Modell.
Das angepasste Modell ist unabhängig davon verfügbar, welches Arbeitsblatt aktiv ist, sodass Sie Datenspalten vorhersagen können, die sich in einem anderen Arbeitsblatt als der Antwortvariablen befinden.
Minitab Statistical Software Speichert das Modell in einer Projektdatei (*. MPX).

In welchen Fällen bietet sich eine andere Analyse an?

Wenn Sie die Beziehung zwischen einem stetigen (numerischen) Prädiktor und einer stetigen Antwortvariablen grafisch darstellen möchten, verwenden Sie Darstellung der Anpassungslinie.
Wenn Sie über kategoriale Prädiktoren verfügen, die geschachtelt oder zufällig sind, verwenden Sie Allgemeines lineares Modell anpassen (wenn nur feste Faktoren vorliegen), oder verwenden Sie Modell mit gemischten Effekten anpassen (wenn Zufallsfaktoren vorliegen).
Wenn die Antwortvariable zwei Kategorien enthält, z. B. „Bestanden“ und „Nicht bestanden“, verwenden Sie Binäres logistisches Modell anpassen.
Wenn die Antwortvariable drei oder mehr Kategorien mit einer natürlichen Rangfolge aufweist, z. B. „Starke Ablehnung“, „Ablehnung“, „Neutral“, „Zustimmung“ und „Starke Zustimmung“, verwenden Sie Ordinale Logistische Regression.
Wenn die Antwortvariable drei oder mehr Kategorien ohne natürliche Rangfolge aufweist, z. B. Kratzer, Delle und Riss, verwenden Sie Nominale Logistische Regression.
Wenn mit der Antwortvariablen Ereignishäufigkeiten gezählt werden, z. B. die Anzahl der Fehler, verwenden Sie Poisson-Modell anpassen.

Wann sollte ein Predictive Analytics-Modell verwendet werden?

Für einige Anwendungen ziehen Sie unterschiedliche Ansätze für die Modellkonstruktion in Betracht. Weitere Informationen zu den verschiedenen Modelltypen finden Sie unter Typen von Predictive Analytics-Modellen in Minitab Statistical Software. Minitab bietet CART^® Regression, TreeNet^® Regression, Random Forests^® Regression und MARS^®-Regression Analysen mit der Predictive Analytics-Modul. Die Bestes Modell ermitteln (stetige Antwort) Analyse vergleicht die Performance verschiedener Modelltypen in 1 Analyse. Klicken Sie hier, um weitere Informationen zum Aktivieren des Moduls zu erhalten.