Sélectionner les options d'analyse pour Régression MARS^®

Sélectionnez les options d'analyse.

Critères de sélection du modèle optimal

Choisissez parmi les critères suivants pour sélectionner le nombre optimal de fonctions de base pour le modèle. Cette sélection n’affecte pas la recherche des fonctions de base. Si les 2 critères sélectionnent le même nombre de fonctions de base, alors les modèles des 2 critères sont les mêmes.

• R carré: Sélectionnez cette option pour afficher les résultats du modèle avec la valeur R-carré maximale.
• Ecart absolu moyen: Sélectionnez cette option pour afficher les résultats du modèle avec le plus faible écart absolu moyen.

Nombre maximal de fonctions de base

La valeur par défaut de 30 fonctionne bien dans la plupart des cas. Considérez une valeur plus grande lorsque 30 fonctions de base semblent trop petites pour les données. Par exemple, considérez une valeur plus élevée lorsque vous pensez que plus de 30 prédicteurs sont importants.

Si vous n’êtes pas certain que 30 suffisent, passez en revue les résultats initiaux. Par exemple, une valeur plus grande est plus susceptible d’améliorer l’ajustement du modèle si la valeur R-carré tend à la hausse à mesure que l’analyse ajoute des fonctions de base.

Nombre minimal d'observations entre les noeuds

Autoriser MARS® à choisir

L’analyse utilise la taille de l’échantillon et la complexité du modèle pour sélectionner automatiquement une valeur. La valeur automatique fonctionne bien dans la plupart des cas.

λ spécifié par l'utilisateur

Une valeur de 1 indique que des points de données consécutifs peuvent être des points où la fonction de base change. La valeur de 1 permet les changements les plus rapides dans les prédictions du modèle. Tenez compte de différentes valeurs pour voir l’effet sur l’ajustement du modèle. Par exemple, pour certaines données, des valeurs plus élevées créent des modèles plus lisses qui sont moins susceptibles de surajuster les données d’apprentissage. Ces modèles plus lisses sont parfois moins précis sur certaines plages de données.

Désactivez les transformations pour les prédicteurs suivants

Entrez un prédicteur continu afin que le prédicteur ne puisse avoir qu’un effet linéaire sur la variable de réponse. Une autre façon de décrire cet effet est que chaque prédicteur n’a qu’une fonction de base 1 avec un nœud à la valeur minimale du prédicteur. Par exemple, supposons qu’un prédicteur dans un modèle additif possède plusieurs fonctions de base pour modéliser la courbure. Le diagramme de dépendance partielle qui résulte pour un prédicteur avec 3 fonctions de base a la forme suivante:

Sans transformation pour le prédicteur, le prédicteur n’a qu’une 1 fonction de base. Le diagramme de dépendance partielle qui résulte de la fonction de base 1 est une droite :

Pondérations

Saisissez une colonne qui contient les pondérations de cas. La colonne doit comporter le même nombre de lignes que la colonne de réponse. Les valeurs doivent être ≥ 0. Minitab omet les lignes qui contiennent des valeurs manquantes ou des zéros provenant de l'analyse.