Pourquoi différentes méthodes de régression fournissent-elles des valeurs différentes pour R au carré, R au carré ajusté et S 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.

Par exemple, lorsque vous exécutez Stat > Ajuster le modèle de régression > Régression > Pas à pas > Régression ou Stat > Régression > Régression > Meilleurs sous‑ensembles, Minitab supprime toutes les lignes contenant des valeurs manquantes pour les prédicteurs figurant dans la liste des prédicteurs. Minitab supprime les lignes, que les prédicteurs figurent 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 l’ensemble de données ait la réponse en C1, les prédicteurs en C2-C4 et une valeur manquante en C4. Vous effectuez une analyse et répertoriez tous les prédicteurs. Ensuite, la ligne avec la valeur manquante n’est pas utilisée pour calculer les statistiques, même pour le modèle qui ne contient que C2 et C3 comme prédicteurs. Toutefois, si vous refaites l’analyse et que vous indiquez uniquement C2 et C3 comme prédicteurs, l’ensemble des données est utilisé pour calculer les statistiques. Par conséquent, le R au carré, le R au carré ajusté et le S diffèrent pour le même modèle.