Auswählen der Analyseoptionen für Nichtlineare Regression

Statistik > Regression > Nichtlineare Regression > Optionen

Gewichtungen

Geben Sie eine numerische Spalte mit Gewichtungen ein, um eine gewichtete Regression durchzuführen. Die gewichtete Regression ist eine Methode, die verwendet werden kann, wenn die für die kleinsten Quadrate getroffene Annahme einer konstanten Varianz in den Residuen verletzt wird (auch als Heteroskedastizität bezeichnet). Bei richtiger Gewichtung minimiert dieses Verfahren die Summe der gewichteten quadrierten Residuen, um Residuen mit einer konstanten Varianz zu erzielen (auch als Homoskedastizität bezeichnet). Weitere Informationen zum Ermitteln der geeigneten Gewichtung finden Sie unter Gewichtete Regression.

Die Gewichtungen müssen größer oder gleich null sein. Die Spalte mit den Gewichtungen muss dieselbe Anzahl von Zeilen wie die Spalte mit der Antwortvariablen aufweisen.

Konfidenzniveau für alle Intervalle

Geben Sie das Konfidenzniveau für die Intervalle ein, die wahrscheinlich die Parameterschätzwerte und die Prognosen enthalten. In der Regel ist ein Konfidenzniveau von 95 % gut geeignet. Ein 95%-Konfidenzniveau gibt an, dass bei einer Entnahme von 100 Zufallsstichproben aus der Grundgesamtheit die Konfidenzintervalle für ungefähr 95 der Stichproben den geschätzten Wert enthalten. Für einen bestimmten Datensatz erzeugt ein niedrigeres Konfidenzniveau ein schmaleres Intervall, während mit einem höheren Konfidenzniveau ein breiteres Intervall erzielt wird.

Algorithmus

Zum Schätzen der Parameter verwendet Minitab einen Algorithmus, der bei der minimalen Summe der Quadrate der Residuen (SSE) konvergiert. Weitere Informationen finden Sie unter Grundlagen zu Algorithmen und Startwerten in der nichtlinearen Regression.

Gauß-Newton: Hiermit wählen Sie den Gauß-Newton-Algorithmus aus.
Levenberg-Marquardt: Hiermit wählen Sie den Levenberg-Marquardt-Algorithmus aus.

Maximalzahl der Iterationen

Geben Sie die Maximalzahl der Iterationen an, die der Algorithmus zum Erreichen der Konvergenz ausführen soll. In der Regel ist der Standardwert gut geeignet. Wenn der Algorithmus nicht konvergiert, können Sie die Maximalzahl erhöhen. Möglicherweise müssen Sie jedoch den Algorithmus, die Modellfunktion oder die Startwerte ändern, um eine Lösung zu erhalten.

Konvergenztoleranz

Geben Sie die Konvergenztoleranz ein. In der Regel ist der Standardwert gut geeignet.