Seleccionar las opciones de análisis para MARS^®

Seleccione las opciones de análisis.

Criterio para seleccionar el modelo óptimo

Elija entre los siguientes criterios para seleccionar el número óptimo de funciones básicas para el modelo. Esta selección no afecta a la búsqueda de las funciones básicas. Si los 2 criterios seleccionan el mismo número de funciones base, entonces los modelos de los 2 criterios son los mismos.

• R-cuadrado: Seleccione esta opción para mostrar los resultados del modelo con el valor máximo de R cuadrado.
• Desviación absoluta media: Seleccione esta opción para mostrar los resultados del modelo con la menor desviación absoluta media.

Número máximo de funciones de base

El valor predeterminado de 30 funciona bien en la mayoría de los casos. Considere un valor mayor cuando 30 funciones básicas parecen demasiado pequeñas para los datos. Por ejemplo, considere un valor mayor cuando cree que más de 30 predictores son importantes.

Si no está seguro de si 30 es suficiente, revise los resultados iniciales. Por ejemplo, es más probable que un valor mayor mejore el ajuste del modelo si el valor R-cuadrado tiende al alza a medida que el análisis agrega funciones base.

Número mínimo de observaciones entre nudos

Permitir que MARS® elija

El análisis utiliza el tamaño de la muestra y la complejidad del modelo para seleccionar automáticamente un valor. El valor automático funciona bien en la mayoría de los casos.

λ especificado por el usuario

Un valor de 1 indica que los puntos de datos consecutivos son aptos para ser puntos donde cambia la función base. El valor de 1 permite los cambios más rápidos en las predicciones del modelo. Considere diferentes valores para ver el efecto en el ajuste del modelo. Por ejemplo, para algunos datos, los valores más grandes crean modelos más suaves que tienen menos probabilidades de sobreajustar los datos de entrenamiento. Estos modelos más suaves a veces son menos precisos en ciertos rangos de datos.

Deshabilitar las transformaciones para los siguientes predictores

Introduzca un predictor continuo para que el predictor solo pueda tener un efecto lineal en la variable de respuesta. Otra forma de describir este efecto es que cada predictor tiene solo 1 función base con un nudo en el valor mínimo del predictor. Por ejemplo, supongamos que un predictor en un modelo aditivo tiene múltiples funciones básicas para modelar la curvatura. La gráfica de dependencia parcial que resulta para un predictor con 3 funciones base tiene la siguiente forma:

Sin una transformación para el predictor, el predictor tiene solo 1 función base. La gráfica de dependencia parcial que resulta de 1 función base es una línea recta:

Ponderaciones

Escriba una columna que contenga las ponderaciones del caso. La columna debe tener el mismo número de filas que la columna de respuestas. Los valores deben ser ≥ 0. Minitab omite del análisis las filas que contienen valores faltantes o ceros.