TreeNet® 회귀 분석를 통한 모형 적합주요 예측 변수 검색에 대한 상위 이원 교호작용 강도

참고

이 명령은 예측 분석 모듈에서 사용할 수 있습니다. 모듈을 활성화하는 방법에 대한 자세한 내용은 여기를 클릭하십시오.

임을 가정합니다. 이(가) 두 개의 예측 변수임을 가정합니다. Minitab은 교호작용의 강점에 대해 두 개의 측정값을 제공합니다. 측정값은 학습 데이터에서 비롯됩니다. 첫 번째 측정값은 교호작용의 강도를 총 응답 제곱 편차의 백분율로 설명합니다.
두 번째 측정값은 교호작용의 변수에서 교호작용의 강도를 응답 제곱 편차의 백분율로 설명합니다.
학습 데이터에서 응답 표면의 총 제곱 편차는 다음과 같습니다.

설명 은(는) TreeNet 모형의 적합치이고 은(는) 반응 변수의 평균입니다.

교호작용의 편차를 계산하려면 두 변수 모두에 대한 편차를 공동으로 계산해야 합니다. 편차에 대한 조인트 계산에는 다음과 같은 양식이 있습니다.

설명 은(는) 이변수 부분 종속성 표면의 적합치입니다. 이 적합치의 계산에 대해서는 TreeNet® 회귀 분석를 통한 모형 적합 및 주요 예측 변수 검색에 대한 부분 종속성 플롯(으)로 이동하십시오.

교호작용의 편차에 대한 계산은 공동 계산에서 주요 효과를 제거합니다.

설명 은(는) 단변수 부분 종속적 표면의 적합치입니다. . 이 적합치의 계산에 대해서는 TreeNet® 회귀 분석를 통한 모형 적합 및 주요 예측 변수 검색에 대한 부분 종속성 플롯(으)로 이동하십시오.

이 사이트를 사용하면 분석 및 사용자 개인 컨텐츠에 대한 쿠키 사용에 동의하는 것입니다.  당사의 개인정보 보호정책을 확인하십시오