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 Archivo > Opciones > General. En Ubicación de la macro, vaya a 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.

Descargar PRESS.mac

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.

Elija Vista > Línea de comandos/historial y escriba lo siguiente:
```
%PRESS
```

Haga clic en Corrida. 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. (1987), Robust Regression & Outlier Detection, John Wiley & Sons, Inc. (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