Seleccionar las opciones de análisis para Regresión de cuadrados mínimos parciales

Estadísticas > Regresión > Mínimos cuadrados parciales > Opciones

Validación cruzada

La validación cruzada calcula la capacidad predictiva de los posibles modelos para ayudarle a determinar el número adecuado de componentes que debe conservar en su modelo. Utilice la validación cruzada para determinar el número óptimo de componentes para sus datos. Si los datos contienen múltiples variables de respuesta, Minitab valida los componentes para todas las respuestas de manera simultánea. Para obtener más información, vaya a Validación cruzada en la regresión PLS.

Minitab puede realizar tres métodos diferentes de validación cruzada:

Ninguno: No realizar validación cruzada.
Dejar uno fuera: Utilice esta opción para calcular los posibles modelos dejando por fuera una observación a la vez. Para los conjuntos grandes de datos, este método puede requerir mucho tiempo, porque vuelve a calcular los modelos tantas veces como haya observaciones.
Dejar grupo fuera de tamaño: Ingrese el número de observaciones que se excluirán cada vez que se vuelva a calcular el modelo. Puesto que este método reduce el número de veces que se debe recalcular un modelo, es más apropiado cuando se tiene un conjunto grande de datos.
Dejar fuera como se especifica en la columna: Utilice esta opción para calcular los modelos excluyendo al mismo tiempo las observaciones que tengan números coincidentes en la columna de identificadores de grupo. Este método permite especificar cuáles observaciones se omiten de manera conjunta. Por ejemplo, si la columna de identificadores de grupo incluye los números 1, 2 y 3, se omiten de manera conjunta todas las observaciones con 1 y se vuelve a calcular el modelo. A continuación, se omiten todas las observaciones con 2 y se vuelve a calcular el modelo, y así sucesivamente.

Tipo de codificación para predictores categóricos

Para realizar el análisis, Minitab necesita recodificar los predictores categóricos utilizando uno de dos métodos. Considere cambiar el método dependiendo de si desea comparar los niveles del predictor con la media general o la media de un nivel de referencia. Para obtener más información, vaya a Esquemas de codificación para predictores categóricos.

(1, 0): Elija esta opción para estimar la diferencia entre cada media de nivel y la media del nivel de referencia. Si elige el esquema de codificación (1, 0), puede especificar el nivel de referencia.
(-1, 0, +1): Elija esta opción para estimar la diferencia entre cada media de nivel y la media general.

Nivel de referencia (ingrese el predictor categórico seguido por el nivel)

Ingrese el nivel de referencia escribiendo la columna de predictores categóricos seguida del nivel de referencia. (Los niveles de texto y de fecha/hora deben estar entre comillas.) Puede asignar un nivel de referencia solo si utiliza la codificación 1, 0. Por opción predeterminada, Minitab establece los siguientes niveles de referencia dependiendo del tipo de datos:

Para los predictores categóricos numéricos, el nivel de referencia es el nivel con el menor valor numérico.
Para los predictores categóricos de fecha/hora, el nivel de referencia es el nivel con la fecha/hora que haya ocurrido primero.
Para los predictores categóricos de texto, el nivel de referencia es el primer nivel en el orden alfabético.