ベストモデルの検出(連続応答) に含めるモデルの項を指定する

予測分析モジュール > 自動機械と学習 > ベストモデルの検出(連続応答) >

このコマンドは、で使用できます予測分析モジュールモジュールをアクティブにする方法については、ここをクリックしてください

回帰モデルでの項の決定方法を指定します。通常、線形項と順序2項をステップワイズモデル選択と組み合わせて考慮する解析は、モデルに優れた予測能力を提供します。 検証のある前方選択 メソッドが予測精度の高いモデルを生成するかどうかを決定する場合に選択できます。

予測変数が多数ある場合、最終モデルの選択は、ステップワイズモデル選択による順序 2 の線形項と項を考慮するのに長い時間がかかる場合があります。予測変数の数が 15 より大きい場合、既定の選択では線形項のみを考慮します。線形項に加えて、いくつかの高次項を評価するには、モデル内の項を指定する場合に選択します。

回帰モデルに含める項

既定の用語を使用するか、独自の用語セットを指定するかを選択します。

線形項と順序 2 の項
この解析では、すべての線形項と順序 2 の項が使用されます。順序 2 の項には、連続予測変数の 2 つの線形項と平方項の間のすべての交互作用が含まれます。
線形項
解析では、すべての線形項が使用されます。
指定した項
モデルに交互作用項や多項式項を追加することができます。メインダイアログボックスで入力した因子と共変量のみがモデルに設定されます。予測変数の数が 15 以下の場合、モデルには、予測変数の線形項と順序 2 の項が含まれます。予測変数の数が 15 より大きい場合、モデルには線形項が含まれます。デフォルト 前の設定に戻す場合はここをクリックします。
次の方法でデータをサブセット化できます。例を図で示して説明します。例では、のリストは3つの連続変数X、Y、Zと2つのカテゴリ変数A、Bを持つと仮定しています。
選択した予測変数とモデル項を使用して項を追加
モデルに項を追加するには、少なくとも1つの予測変数または項を選択します。複数の項を選択、または選択を解除する場合はCtrlキーを押しながら予測変数や項をクリックします。
交互作用の次数
そのあと、すべての交互作用を指定の次数に追加します。予測変数X、Y、Aを選択し、3次の交互作用を追加するとします。をクリックすると、X*Y、X*A、Y*A、X*Y*Aが追加されます。
項の次数
曲線のモデル化で使用します。このオプションでは、べき乗と交互作用を規定の次数に追加します。べき乗は連続予測変数に使います。X、Y、Aと、3次の項を選択したと仮定します。をクリックすると、XとYのべき乗項:X*X、Y*Y、X*X*X、Y*Y*Yが追加されます。X*X、Y*Y、X*X*X、Y*Y*Y.また、予測変数と累乗の相互作用も追加します。X*Y, X*A, Y*A, X*X*Y, X*Y*Y, X*X*A, X*Y*A, Y*Y*A.
モデル内の交差予測変数と項
このオプションは以下のように使うことができます。
  • 2つ以上の予測変数を交差させることができます。X、Y、Z を選択したとします。をクリックすると 追加、次の用語が追加されます。X*X、X*Y、X*Z。
  • すでにモデルに挿入されている項を2つ以上交差させることができます。X*AとX*Bがモデルに挿入されていると仮定します。これらの項のみを選んだ状態でをクリックす追加ると、X*X*A*Bが追加されます。
  • モデル内にある項と予測変数を交差できます。モデル内にX*XとY*Yがあるとします。これらの項と予測変数A、Bを選択して、をクリックす追加ると、X*X*A、X*X*B、Y*Y*A、Y*Y*Bが追加されます。各予測変数は、各モデル用語と交差します。カテゴリ予測変数は、それ自体と交差できません。モデル項は、自身と交差しません。

交差させたい項のみが選択されている状態にするためには、予測変数または項の選択を解除します。選択を解除する場合は、Ctrlキーを押しながら予測変数または項をクリックします。

モデル内の項
モデルに項を追加する場合、項はダイアログボックスの空白に一覧表示されます。このエリアでは個々の項を選択、または項のグループを選択し、削除や並び替えを行えます。
デフォルト
予測変数の数が 15 以下の場合、この選択は、線形項と順序 2 の項をモデルに取り込みます。予測変数の数が 15 を超える場合、この選択によってモデルに線形項が設定されます。
項を削除する
モデルから項を削除できます。削除したい項を選択し、ダイアログの削除(赤い×)をクリックします。項をダブルクリックしても削除することができます。
項を並び替える
項を選択し、ダイアログの矢印をクリックすることで、その項を上下に移動させることができます。隣接する項をまとめて動かすこともできます。先頭の項をクリックし、Shiftキーを押した状態で末尾の項をクリックすると、項をまとめて選択できます。適当な矢印をクリックし、まとめて移動させます。

回帰モデル選択法

非階層モデルを使用するかどうかを指定するMinitabで表示される選択は、データ・セットのサイズによって異なります。選択はサブダイアログの選択と結合 検証... され、厳しさと計算速度のバランスをとる解析が提供されます。

n = 1,500
サブダイアログの検証メソッド 検証...K分割交差検証です。単位数は5です。 回帰モデル選択法項... サブダイアログには、 ステップワイズです。
1,500 + 0.2 = 2,000
サブダイアログの検証メソッド 検証...K分割交差検証です。単位数は5です。 回帰モデル選択法項... サブダイアログには、 検証のある前方選択です。
2,000, ..., ni
サブダイアログの検証メソッド 検証...テストセットによる検証です。テスト セットのデータの比率は 0.3 です。 回帰モデル選択法項... サブダイアログには、 検証のある前方選択です。
  • ステップワイズ: このメソッドは、空のモデルから始まります。その後、ステップごとに項が追加または削除されます。Minitabは、モデルに含まれていないすべての変数のp値が指定した値より大きくなったとき、およびモデルに含まれるすべての変数のp値が指定した値以下になったときに停止します。
  • 検証のある前方選択: 検証のある前方選択を選択する場合、モデルをテストする検証法を選びます。通常、サンプルが小さい場合は、K分割交差検証法が適しています。サンプルが大きい場合は、データをトレーニングデータセットとテストデータセットに分割できます。この手順は、前方選択に類似しています。各ステップの最後に、検定R2統計量が計算されます。前方選択手順の最後に、最大のテストの R2値をもつモデルが最終モデルになります。
    この手順では、次のいずれかの条件が発生するまで項が追加されます。
    • 手順では、8つの連続ステップに対する基準の改善は見つかりません。
    • 手順は完全なモデルに適合します。
    • 手順は誤差自由度が1つあるモデルに適合します。
  • なし: :で指定するすべての項を使ってモデルを適合します。
本サイトを使用すると、分析およびコンテンツのカスタマイズのためにクッキーが使用されることに同意したことになります。  当社のプライバシーポリシーをご確認ください