단계적 회귀 분석에 대한 기본 설정 지정

파일 > 옵션 > 선형 모형 > 단계적 회귀 분석

단계적 회귀 분석 방법, 모수, 표시할 세부 정보를 지정합니다. 변경된 기본 설정은 Minitab을 종료한 후에도 설정을 다시 변경할 때까지 유지됩니다. Minitab에서는 사용자가 다음 분석 중 하나를 사용할 때마다 여기서 지정된 설정을 사용합니다.
  • 통계분석 > 회귀 분석 > 회귀 분석 > 적합 회귀 모형
  • 통계분석 > 회귀 분석 > 이항 로지스틱 회귀 분석 > 적합 이항 로지스틱 모형
  • 통계분석 > 회귀 분석 > 포아송 회귀 분석 > 적합 포아송 모형
  • 통계분석 > 분산 분석 > 일반 선형 모형 > 일반 선형 모형 적합
  • 통계분석 > 실험계획법 > 선별 설계 > 선별 설계 분석
  • 통계분석 > 실험계획법 > 요인 설계 > 요인 설계 분석
  • 통계분석 > 실험계획법 > 요인 설계 > 변동성 분석
  • 통계분석 > 실험계획법 > 반응 표면 설계 > 반응 표면 설계 분석
  • 통계분석 > 실험계획법 > 혼합 > 혼합 설계 분석

혼합물 설계는 두 가지 면에서 다른 도구와 다릅니다. 을(를) 기본 방법으로 선택하는 경우 혼합물 설계의 기본 방법은 여전히 없음입니다. 또한 혼합물 설계의 결과는 항상 같은 세부 정보를 표시합니다.

기본 방법
  • 없음: 에서 지정하는 모든 항을 사용하여 모형을 적합합니다.
  • : 전진 정보 기준 절차에서는 각 단계에서 p-값이 가장 낮은 항을 모형에 추가합니다. 분석에 대한 설정에서 비계층적 항을 고려할 수 있지만 각 모형이 계층적이어야 하는 경우 1단계에서 모형에 추가 항을 입력할 수 있습니다. Minitab에서 각 단계에 대한 정보 기준을 계산합니다. 대부분의 경우 다음 조건 중 하나가 발생할 때까지 절차가 계속됩니다.
    • 절차에서 8개의 연속적 단계 동안 기준의 새로운 최소값을 찾지 못합니다.
    • 절차가 전체 모형을 적합합니다.
    • 절차가 오차에 대한 자유도 1을 남겨두는 모형을 적합합니다.
    각 단계에서 계층적 모형이 필요한 절차에 대한 설정을 지정하고 한 번에 하나의 항만 입력할 수 있도록 허용하는 경우, 전체 모형 또는 오차에 대한 자유도 1을 남겨두는 모형을 적합할 때까지 절차가 계속됩니다. Minitab에서 AICc 또는 BIC 등 선택된 정보 기준의 값이 가장 작은 모형에 대한 분석 결과를 표시합니다.
  • 단계적 회귀: 빈 모형으로 시작한 다음 각 단계에서 항을 추가하거나 제거합니다. 모형에 포함할 항의 초기 집합을 지정할 수 있습니다.
  • 전진 선택: 빈 모형으로 시작한 다음 각 단계에서 가장 유의한 잠재적 항을 모형에 추가합니다.
  • 후진 제거: 모형에 모든 잠재적 항을 포함한 상태에서 시작한 다음 각 단계에서 가장 유의하지 않은 항을 제거합니다.

전진 선택에서 사용할 정보 기준을 선택합니다.

AICc와 BIC 모두 모형의 우도를 평가한 다음 모형에 항을 추가하는 데 대한 벌칙을 적용합니다. 벌칙은 모형을 표본 데이터에 과다 적합하는 경향을 줄입니다. 이에 따라 일반적으로 더 잘 수행되는 모형이 생성됩니다.

일반 지침에 따라, 모수 수가 표본 크기에 비해 작은 경우 AICc보다 BIC가 각 모수의 추가에 대한 벌칙이 더 큽니다. 이러한 경우 BIC를 최소화하는 모형이 AICc를 최소화하는 모형보다 더 작은 경향이 있습니다.

선별 설계와 같은 몇 가지 일반적인 경우, 모수의 수가 일반적으로 표본 크기에 비해 큽니다. 이러한 경우 AICc를 최소화하는 모형이 BIC를 최소화하는 모형보다 더 작은 경향이 있습니다. 예를 들어, 13-런 확정 선별 설계의 경우 모수가 6개 이상인 모형의 집합 중에서 AICc를 최소화하는 모형이 BIC를 최소화하는 모형보다 더 작은 경향이 있습니다.

AICc 및 BIC에 대한 자세한 내용은 Burnham and Anderson.1

단계적 모수
  • 입력할 변수에 대한 알파: 모형에 새 항을 입력하기 위한 기준을 지정합니다.
  • 제거할 변수에 대한 알파: 모형에서 항을 제거하기 위한 기준을 지정합니다.
전진 선택 모수
  • 입력할 변수에 대한 알파: 모형에 새 항을 입력하기 위한 기준을 지정합니다.
후진 제거 모수
  • 제거할 변수에 대한 알파: 모형에서 항을 제거하기 위한 기준을 지정합니다.
표 선택 상세정보 표 표시
단계적 절차에 대한 정보를 표에 표시합니다.
  • 방법에 대한 상세정보: 단계적 절차 유형을 표시하고 모형에 항을 추가하거나 제거하기 위해 사용되는 알파 값을 표시합니다.
  • 각 단계에 대한 자세한 내용 포함: 절차의 각 단계에 대한 계수, p-값, Mallows의 Cp 및 모형 요약 통계량을 표시합니다.
1 Burnham, K. P., & Anderson, D. R. (2004). Multimodel inference: Understanding AIC and BIC in model selection을 참조하십시오. Sociological Methods & Research, 33(2), 261-304. doi:10.1177/0049124104268644
이 사이트를 사용하면 분석 및 사용자 개인 컨텐츠에 대한 쿠키 사용에 동의하는 것입니다.  당사의 개인정보 보호정책을 확인하십시오