Ingresar los datos para Regresión de mínimos cuadrados parciales

Estadísticas > Regresión > Cuadrados mínimos parciales

Complete los siguientes pasos para especificar las columnas de datos que desea analizar.

  1. En Respuestas, ingrese una o más columnas de datos numéricos que desee explicar o predecir. PLS ajusta múltiples variables de respuesta en un modelo individual. Debido a que PLS modela las respuestas de una forma multivariada, los resultados podrían diferir significativamente de los calculados para las respuestas de manera individual. Modele múltiples respuestas por separado solo si no están correlacionadas.
  2. En Modelo, ingrese las columnas de datos numéricos que pueden explicar o predecir cambios en la respuesta. Puede incluir variables continuas o categóricas. También puede especificar términos de interacción y polinómicos. Para obtener más información, vaya a Especificación de los términos del modelo en PLS.
  3. En Predictores categóricos (opcional), ingrese las clasificaciones categóricas o las asignaciones de grupo, como por ejemplo un tipo de materia prima, que puedan explicar o predecir cambios en la respuesta.
  4. (Opcional) En Número máximo de componentes, ingrese el número de componentes que Minitab calcula o valida mediante validación cruzada. Por opción predeterminada, Minitab calcula o realiza una validación cruzada de un conjunto de 10 componentes o el número de predictores, eligiendo el menor entre los dos. No ingrese más componentes que el número de términos incluidos en el modelo.
En esta hoja de trabajo, Resistencia y Grosor son respuestas y miden la resistencia la rotura y el grosor de la película soplada. Temp. matriz, Temp. enfr., Flujo y Vel. extrusión son las variables predictoras incluidas en el modelo.
C1 C2 C3 C4 C5 C6
Resistencia Grosor Temp. matriz Temp. enfr. Flujo Vel. extrusión
8.93 4.62 150.1 80.1 1.0 10.0
8.44 3.70 134.5 49.7 5.0 -10.0
9.72 4.88 179.5 79.8 4.9 10.0
9.55 5.06 149.8 50.3 1.1 10.0
Al utilizar este sitio, usted acepta el uso de cookies para efectos de análisis y contenido personalizado.  Leer nuestra política