Sélectionner les options pour la fonction Régression sur les meilleurs sous-ensembles

Stat > Régression > Régression > Meilleurs sous‑ensembles > Options

Prédicteur(s) libre(s) dans chaque modèle

Par défaut, Minitab affiche les meilleurs modèles à 1 prédicteur, 2 prédicteurs, etc., jusqu'au modèle incluant tous les prédicteurs. Si vous indiquez un nombre minimal et maximal de prédicteurs, par exemple 5 et 12, Minitab affiche uniquement les meilleurs modèles à 5, 6,..., et 12 prédicteurs.

Le nombre total de prédicteurs inclus dans le modèle n'inclut pas ceux que vous avez définis dans Prédicteurs dans tous les modèles. Par exemple, si vous avez indiqué deux prédicteurs à inclure dans tous les modèles, puis que vous avez défini le nombre minimal de prédicteurs sur 5 et le nombre maximal de prédicteurs sur 12, Minitab affiche les modèles contenant entre 7 et 14 prédicteurs.

Minimum: Entrez le nombre minimal de prédicteurs libres à inclure dans le modèle.
Maximum: Entrez le nombre maximal de prédicteurs libres à inclure dans le modèle.

Modèles de chaque taille à éditer

Entrez un chiffre compris entre 1 et 5. Par exemple, si vous indiquez 3, Minitab affiche des statistiques d'adéquation de l'ajustement pour les 3 modèles de chaque taille ayant les valeurs de R² les plus élevées.

Ajuster l'ordonnée à l'origine

Sélectionnez Ajuster l'ordonnée à l'origine pour inclure l'ordonnée à l'origine (aussi appelée constante) dans le modèle de régression. Dans la plupart des cas, vous devez inclure la constante dans le modèle.

Vous pouvez éventuellement retirer la constante quand vous supposez que la réponse est 0 quand la valeur du prédicteur est égale à 0. Par exemple, imaginons un modèle destiné à prévoir le nombre de calories en fonction de la teneur en lipides, en protéines et en glucides d'un aliment. Quand la quantité de lipides, de protéines et de glucides est de 0, le nombre de calories est également de 0 (ou très proche de 0).

Quand vous comparez des modèles qui n'incluent pas la constante, utilisez S au lieu de la statistique R² pour évaluer l'ajustement des modèles.

Affichage des résultats

Une fois développé, le tableau affiche quatre autres statistiques :

La somme des carrés des erreurs de prévision (SomCar-ErrPrév)
Le critère d'information d'Akaike corrigé (AICc)
Le critère d'information bayésien (BIC)
Le conditionnement

Pour plus d'informations sur ces statistiques, reportez-vous à la rubrique Interpréter toutes les statistiques pour Régression sur les meilleurs sous-ensembles.