Un método para determinar cuáles términos se conservarán en un modelo. La selección hacia delante agrega variables al modelo utilizando el mismo método que el procedimiento escalonado. Una vez agregada, una variable nunca se elimina. El procedimiento de selección hacia delante predeterminado concluye cuando ninguna de las variables candidatas tiene un valor p más pequeño que el valor especificado en Alfa a entrar.
Realiza la selección de las variables al agregar o eliminar predictores del modelo existente con base en la prueba F. El procedimiento escalonado es una combinación de los procedimientos de selección hacia adelante y eliminación hacia atrás.
Si el modelo inicial usa todos los grados de libertad, el análisis de diseños factoriales no se detiene como hacen otros análisis en Minitab. En lugar de ello, con Analizar diseño factorial y Analizar variabilidad, Minitab elimina ¼ de los términos para obtener suficientes grados de libertad para comenzar. El número de términos que se eliminarán se redondea al entero más cercano y tiene un máximo de 9. Para el modelo saturado, Minitab elimina los términos con la suma de cuadrados ajustada más pequeña al tiempo que mantiene la jerarquía del modelo. Minitab no reconsidera estos términos en pasos posteriores. La tabla de detalles de la selección del modelo enumera los términos que Minitab eliminó.
Minitab calcula un estadístico F y un valor p para cada variable incluida en el modelo. Si el modelo contiene j variables, entonces F para cualquier variable, xr, es esta fórmula:
Término | Description |
---|---|
SSE(j – Xr ) | SC error para el modelo que no contiene xr |
SSE j | SC error para el modelo que contiene xr |
MSE j | CM error para el modelo que contiene xr |
Si el valor p de cualquier variable es mayor que el valor especificado en Alfa a retirar, entonces Minitab elimina del modelo la variable con el valor p más grande, calcula la ecuación de regresión, muestra los resultados e inicia el siguiente paso.
Si Minitab no puede eliminar una variable, el procedimiento intenta agregar una variable. Minitab calcula un estadístico F y un valor p para cada variable que no esté en el modelo. Si el modelo contiene j variables, entonces F para cualquier variable, xa, es esta fórmula:
Término | Description |
---|---|
SSE j | SC error antes de agregar xa al modelo |
SSE(j + Xa ) | SC error después de agregar xa al modelo |
Grados de libertad para la variable Xa | |
MSE(j + Xa ) | CM error después de agregar xa al modelo |
Si el valor p correspondiente al estadístico F para cualquier variable es más pequeño que el valor especificado en Alfa a entrar, Minitab agrega al modelo la variable con el valor p más pequeño, calcula la ecuación de regresión, muestra los resultados y luego avanza a un nuevo paso. Cuando no se pueden ingresar o eliminar más variables en el modelo, el procedimiento escalonado termina.
Un método para determinar cuáles variables se conservarán en un modelo. La eliminación hacia atrás comienza con el modelo que contiene todos los términos y luego elimina los términos, uno a la vez, utilizando el mismo método que el procedimiento escalonado. Ninguna variable se puede volver a ingresar en el modelo. El procedimiento de eliminación hacia atrás concluye cuando ninguna de las variables incluidas en el modelo tiene un valor p mayor que el valor especificado en Alfa a retirar.
Si el modelo inicial usa todos los grados de libertad, el análisis de diseños factoriales no se detiene como hacen otros análisis en Minitab. En lugar de ello, con Analizar diseño factorial y Analizar variabilidad, Minitab elimina ¼ de los términos para obtener suficientes grados de libertad para comenzar. El número de términos que se eliminarán se redondea al entero más cercano y tiene un máximo de 9. Para el modelo saturado, Minitab elimina los términos con la suma de cuadrados ajustada más pequeña al tiempo que mantiene la jerarquía del modelo. Minitab no reconsidera estos términos en pasos posteriores. La tabla de detalles de la selección del modelo enumera los términos que Minitab eliminó.