Estadístico PRESS de una regresión usando una transformación de potencia

Esta macro calcula los ajustes, los residuos, los ajustes eliminados, los residuos eliminados de la suma de cuadrados de predicción (PRESS) y el estadístico PRESS del modelo en las unidades originales de la respuesta cuando se aplica una transformación de potencia de la respuesta en una regresión lineal.

Descargar la macro

Asegúrese de que Minitab sepa dónde buscar la macro descargada. Elija Herramientas > Opciones > General. En Ubicación de la macro, navegue hasta la ubicación donde guarda los archivos de macro.

Important

Si utiliza un explorador web más antiguo, cuando haga clic en el botón Descargar, el archivo podría abrirse en Quicktime, que comparte la extensión de archivos .mac con las macros de Minitab. Para guardar la macro, haga clic con el botón derecho en el botón Descargar y elija Guardar destino como.

Entradas requeridas

  • El número de predictores en la regresión
  • Las columnas para almacenar los predictores
  • La columna para almacenar la respuesta
  • Los parámetros de la transformación de potencia

Ejecución de la macro

Supongamos que usted tiene una variable predictora almacenada en C1 y la variable de respuesta está en C2. El valor del parámetro de transformación es -1.

  1. Haga clic en cualquier parte de la ventana Sesión y elija Editor > Mostrar línea de comandos.
  2. En el prompt de comandos (MTB>), escriba lo siguiente:
    %PRESS
  3. Presione Intro. Se le pedirá información adicional. Por ejemplo:
    Please enter the number of predictor variables in the regression...
    DATA> 1
    Please enter column number of predictor variable...
    DATA> 1
    Please enter column number of response variable...
    DATA> 2
    Please enter response power transformation parameter value...
    DATA> -1 <-- reciprocal transformation of response specified
    

Más información

Referencias

Allen, D. M. (1971), "The Prediction Sum of Squares as a Criterion for Selecting Predictor Variables," Technical Report Number 23, Department of Statistics, University of Kentucky.

Delozier, M. R. (2004), Introduction to Applied Industrial Statistics, Industrial Short-Course Participant Manual.

Myers, R. H. (1990), Classical and Modern Regression

Al utilizar este sitio, usted acepta el uso de cookies para efectos de análisis y contenido personalizado.  Leer nuestra política