¿Por qué diferentes métodos de regresión proporcionan diferentes valores de R-cuadrado, R-cuadrado ajustado y S para el mismo modelo?

Usted puede obtener diferentes resultados para el mismo modelo si el conjunto de datos contiene valores faltantes para cualquier predictor.

Cuando usted realiza Estadísticas > Regresión > Regresión > Ajustar modelo de regresión > Escalonado o Estadísticas > Regresión > Regresión > Mejores subconjuntos, Minitab elimina todas las filas que contienen valores faltantes para cualesquiera de los predictores que están incluidos en la lista de predictores. Minitab Minitab elimina las filas independientemente de que los predictores estén o no estén en el modelo. Si usted cambia las listas de predictores, los resultados pueden cambiar debido a los valores faltantes aunque el modelo sea el mismo.

Por ejemplo, supongamos que el conjunto de datos tiene la respuesta en C1, los predictores en C2-C4 y un valor faltante en C4. Usted realiza un análisis y hace una lista de todos los predictores. Entonces la fila con el valor faltante no se utiliza para calcular los estadísticos, incluso para el modelo que solo contiene C2 y C3 como predictores. Sin embargo, si vuelve a hacer el análisis y solo especifica C2 y C3 como predictores, todo el conjunto de datos se utiliza para calcular los estadísticos. Por lo tanto, R-cuadrado, R-cuadrado ajustado y S serán diferentes para el mismo modelo.