Les procédures pas à pas ne sont pas disponibles pour les modèles contenant des facteurs aléatoires.
Le modèle pas à pas supprime et ajoute des termes au modèle dans le but d'identifier un sous-ensemble utile des termes. Si vous choisissez une procédure pas à pas, les termes que vous spécifiez dans la boîte de dialogue Modèle sont des candidats pour le modèle final. Pour plus d'informations, accédez à Utilisation de la régression pas à pas et de la régression des meilleurs sous-ensembles.
Les termes inclus dans le modèle final peuvent dépendre des restrictions hiérarchiques pour les modèles. Pour plus d'informations, consultez la rubrique Hiérarchie ci-dessous.
Indiquez le critère d'information à utiliser pour la sélection ascendante.
Les valeurs AICc et BIC évaluent toutes deux la probabilité du modèle, puis ajoutent une pénalité pour l'ajout de termes. Cette pénalité réduit la tendance du système à surajuster le modèle aux données échantillon. Cette réduction permet généralement de produire un modèle qui fonctionne mieux.
De manière générale, quand le nombre de paramètres est relativement faible par rapport à l'effectif d'échantillon, une plus grande pénalité est appliquée à la valeur BIC qu'à la valeur AICc pour l'ajout de chaque paramètre. Dans ce cas, le modèle qui fournit la plus faible valeur BIC tend à être plus petit que celui qui fournit la plus faible valeur AICc.
Dans certains cas courants, par exemple dans les plans de criblage, le nombre de paramètres est généralement élevé par rapport à l'effectif d'échantillon. Dans ce cas, le modèle qui fournit la plus faible valeur AICc tend à être plus petit que celui qui fournit la plus faible valeur BIC. Par exemple, pour un plan de criblage définitif à 13 essais, le modèle qui fournit la plus faible valeur AICc tend à être plus petit que celui qui fournit la plus faible valeur BIC parmi l'ensemble des modèles à 6 paramètres ou plus.
Pour plus d'informations sur les valeurs AICc et BIC, reportez-vous à Burnham et Anderson.1
Vous pouvez déterminer la façon dont Minitab applique la hiérarchie de modèle pendant une procédure pas à pas. Le bouton Hiérarchie est désactivé si vous spécifiez un modèle non hiérarchique dans la boîte de dialogue Modèle.
Dans un modèle hiérarchique, tous les termes d'ordre inférieur qui sont inclus dans les termes d'ordre supérieur apparaissent aussi dans le modèle. Par exemple, un modèle qui comprend le terme d'interaction A*B*C est hiérarchique s'il comprend les termes suivants : A, B, C, A*B, A*C et B*C.
Un modèle linéaire général peut ne pas être hiérarchique, sauf s'il contient un facteur aléatoire. En général, vous pouvez supprimer des termes d'ordre inférieur s'ils ne sont pas significatifs, à moins que vos connaissances en la matière ne suggèrent l'inverse. Les modèles contenant trop de termes peuvent être relativement imprécis et risquent de réduire la capacité à prévoir les valeurs de nouvelles observations.