비선형 회귀 분석에 대한 분석 옵션 선택

통계분석 > 회귀 분석 > 비선형 회귀 분석 > 옵션
가중치

가중치의 숫자 열을 입력하여 가중 회귀 분석을 수행합니다. 가중 회귀 분석은 잔차의 분산이 일정하다는 최소 제곱법 가정이 어긋나는 경우(이분산성이라고 함) 사용할 수 있는 방법입니다. 이 절차에서는 올바른 가중치를 사용하여 가중된 잔차 제곱합을 최소화함으로써 분산이 일정한(동분산성이라고도 함) 잔차를 만들어냅니다. 적절한 가중치를 결정하는 방법에 대한 자세한 내용은 가중 회귀 분석에서 확인하십시오.

가중치는 0 이상이어야 합니다. 가중치 열의 행 수는 반응 열의 행 수와 같아야 합니다.

모든 구간에 대한 신뢰 수준
모수 추정치와 예측 변수를 포함할 확률이 높은 구간에 대한 신뢰 수준을 입력합니다. 일반적으로 95%의 신뢰 수준이 효과적입니다. 95% 신뢰 수준은 모집단에서 100개의 랜덤 표본을 추출할 경우 약 95개의 표본에 대한 신뢰 구간에 추정 값이 포함된다는 것을 나타냅니다. 지정된 데이터 집합에 대해 신뢰 수준이 낮을수록 신뢰 구간이 좁아지고 신뢰 수준이 높을수록 신뢰 구간이 넓어집니다.
알고리즘
Minitab에서는 모수를 추정하기 위해 잔차 제곱합(SSE)의 최소값에 수렴하는 알고리즘을 사용합니다. 자세한 내용은 비선형 회귀 분석의 알고리즘과 시작 값의 이해에서 확인하십시오.
  • Gauss-Newton: Gauss-Newton 알고리즘을 선택합니다.
  • Levenberg-Marquardt: Levenberg-Marquardt 알고리즘을 선택합니다.
최대 반복 횟수
알고리즘에서 수렴에 도달하기 위해 사용할 수 있는 최대 반복 횟수를 입력합니다. 일반적으로 기본값이면 충분합니다. 알고리즘이 수렴에 실패하는 경우 최대 횟수를 늘릴 수 있습니다. 그러나 해를 구하기 위해 알고리즘, 기대 함수 또는 시작 값을 변경해야 할 수도 있습니다.
수렴 공차
수렴 공차를 입력합니다. 일반적으로 기본값이면 충분합니다.
이 사이트를 사용하면 분석 및 사용자 개인 컨텐츠에 대한 쿠키 사용에 동의하는 것입니다.  당사의 개인정보 보호정책을 확인하십시오