Permet de sélectionner les variables en supprimant des prédicteurs du modèle existant ou en en y ajoutant sur la base des résultats du test F. La méthode pas à pas combine les procédures de sélection ascendante et d'élimination descendante. La sélection pas à pas ne peut pas s'effectuer si le modèle initial utilise tous les degrés de liberté.
Minitab calcule la statistique F et la valeur de p pour chaque variable du modèle. Si le modèle contient j variables, alors pour toute variable, xr, F est calculé comme suit :
Terme | Description |
---|---|
SCE(j – Xr ) | SC Erreur pour le modèle qui ne contient pas xr |
SCEj | SC Erreur pour le modèle qui contient xr |
CMEj | CM Erreur pour le modèle qui contient xr |
Si la valeur de p d'une variable est supérieure à la valeur indiquée dans Alpha pour exclure, Minitab supprime la variable dont la valeur de p est la plus élevée du modèle, calcule l'équation de régression, affiche les résultats et passe à l'étape suivante.
Si Minitab ne peut pas supprimer une variable, la procédure tente d'en ajouter une. Minitab calcule la statistique F et valeur de p pour chaque variable qui n'est pas présente dans le modèle. Si le modèle contient j variables, alors, pour toute variable, xa, F est calculé comme suit :
Terme | Description |
---|---|
SCEj | SC Erreur avant l'ajout de xa au modèle |
SCE(j + Xa ) | SC Erreur après l'ajout de xa au modèle |
Degrés de liberté pour la variable Xa | |
CME(j + Xa ) | CM Erreur après l'ajout de xa au modèle |
Si la valeur de p correspondant à la statistique F d'une variable est inférieure à la valeur indiquée dans Alpha pour inclure, Minitab ajoute au modèle la variable dont la valeur de p est la plus faible au modèle, calcule l'équation de régression, affiche les résultats et passe à une nouvelle étape. Lorsqu'il devient impossible d'ajouter une variable au modèle ou d'en supprimer, la procédure pas à pas se termine.
Méthode permettant de déterminer les termes à conserver dans un modèle. La sélection ascendante ajoute des variables au modèle en utilisant la même méthode que la procédure pas à pas. Une variable n'est jamais enlevée une fois qu'elle a été ajoutée. La procédure de sélection ascendante par défaut se termine lorsqu'aucune des variables candidates n'a de valeur de p inférieure à la valeur spécifiée dans Alpha pour inclure.
Méthode permettant de déterminer les variables à conserver dans un modèle. L'élimination descendante part d'un modèle contenant tous les termes, puis supprime des termes un par un, avec la même méthode que pour la procédure pas à pas. Aucune variable exclue ne peut être réintégrée au modèle. La procédure d'élimination descendante par défaut se termine lorsqu'aucune des variables incluses dans le modèle n'a de valeur de p supérieure à la valeur spécifiée dans Alpha pour exclure. L'élimination descendante ne peut pas s'effectuer si le modèle initial utilise tous les degrés de liberté.
Lorsque vous utilisez un ensemble de données de test, la procédure est semblable à la sélection ascendante. A chaque étape, Minitab ajoute le terme avec la plus petite valeur de p au modèle. A la fin de chaque étape, Minitab calcule la valeur du R2 de la somme des carrés des écarts de test. A la fin de la procédure de sélection ascendante, le modèle ayant la plus grande valeur de R2 de la somme des carrés des écarts de test correspond au modèle final.