Pourquoi des méthodes de régression différentes donnent-elles des valeurs de R carré, R carré ajusté et S différentes pour le même modèle ?

Vous pouvez obtenir des résultats différents pour le même modèle si votre ensemble de données contient des valeurs manquantes pour des prédicteurs.

Lorsque vous utilisez la fonction Stat > Régression > Régression > Ajuster le modèle de régression > Pas à pas ou Stat > Régression > Régression > Meilleurs sous-ensembles, Minitab retire toutes les lignes ayant des valeurs manquantes pour n'importe quel prédicteur de la liste. Minitab supprime les lignes, que les prédicteurs soient présents ou non dans le modèle. Si vous modifiez les listes de prédicteurs, les résultats peuvent changer en raison des valeurs manquantes, même si le modèle est identique.

Par exemple, supposons que le fichier de données contienne la réponse en C1 et les prédicteurs en C2-C4, avec une valeur manquante en C4. Vous effectuez une analyse et faites la liste de tous les prédicteurs. La ligne comportant la valeur manquante n'est pas utilisée pour calculer les statistiques, même pour le modèle contenant uniquement C2 et C3 comme prédicteurs. Toutefois, si vous effectuez à nouveau l'analyse et que vous indiquez uniquement C2 et C3 dans la liste des prédicteurs, l'ensemble de données complet est utilisé pour calculer les statistiques. Par conséquent, les valeurs R carré, R carré ajusté et S seront différentes pour le même modèle.

En utilisant ce site, vous acceptez l'utilisation de cookies à des fins d'analyse et de personnalisation du contenu.  Lisez notre politique