요인 설계 분석에 대한 단계적 회귀 분석 수행

통계분석 > 실험계획법 > 요인 설계 > 요인 설계 분석 > 단계적 회귀 분석

요인 설계의 단계적 회귀 분석에 대한 옵션을 지정합니다.

방법

단계적 절차는 유용한 항의 부분 집합을 식별하기 위해 모형에서 항을 제거하거나 추가합니다. 단계적 절차를 선택하면 하위 대화 상자에 지정하는 항이 최종 모형에 대한 후보가 됩니다. 자세한 내용은 최량 부분 집합 회귀 분석 및 단계적 회귀 분석 사용에서 확인하십시오.

분할구 설계가 있을 때는 단계적 방법을 사용할 수 없습니다.

Minitab에서 모형을 적합하기 위해 사용하는 방법을 지정합니다.
  • 없음: 하위 대화 상자에서 지정하는 모든 항을 사용하여 모형을 적합합니다.
  • 정보 기준 전진 선택법: 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 분석: 빈 모형으로 시작하거나 또는 사용자가 초기 모형 또는 모든 모형에 포함하도록 지정한 항을 포함합니다. 그런 다음 Minitab이 각 단계에서 항을 추가하거나 제거합니다. 초기 모형에 포함하거나 모든 모형에 포함할 항을 지정할 수 있습니다. 모형에 없는 모든 변수의 p-값이 지정된 입력할 변수에 대한 알파 값보다 크고 모형에 있는 모든 변수의 p-값이 지정된 제거할 변수에 대한 알파 값보다 작거나 같은 경우 Minitab이 중지됩니다.
  • 전진 선택: 빈 모형으로 시작하거나 또는 사용자가 초기 모형 또는 모든 모형에 포함하도록 지정한 항을 포함합니다. 그런 다음 Minitab이 각 단계에서 가장 유의한 항을 추가합니다. 모형에 없는 모든 변수의 p-값이 지정된 입력할 변수에 대한 알파 값보다 큰 경우 Minitab이 중지됩니다.
  • 후진 제거: 모형에 모든 잠재적 항을 포함한 상태에서 시작하여 각 단계에서 가장 유의하지 않은 항을 제거합니다. 모형에 없는 모든 변수의 p-값이 지정된 제거할 변수에 대한 알파 값보다 작거나 같은 경우 Minitab이 중지됩니다. 포화 모형에 대해 후진 제거을 선택하는 경우 Minitab에서는 최소의 오차 자유도를 얻기 위해 효과가 작은 몇 개의 항을 제거합니다.
참고

최종 모형에 포함되는 항은 모형에 대한 계층 구조 제한에 따라 달라질 수 있습니다. 자세한 내용은 아래 계층 구조에 대한 항목을 참조하십시오.

잠재 항

절차에서 평가하는 항의 집합을 표시합니다. 리스트에서 항 옆의 지시자(E 또는I)는 절차에서 항을 처리하는 방식을 나타냅니다. 선택하는 방법에 따라 이 리스트의 초기 설정이 결정됩니다. 아래의 두 단추를 사용하여 절차에서 항을 처리하는 방식을 수정할 수 있습니다. 이 단추를 사용하지 않으면 절차에서 항의 p-값을 기반으로 항을 모형에 추가하거나 모형에서 제거할 수 있습니다.
  • E = 모든 모형에 항 포함: 항의 p-값에 관계없이 항을 모든 모형에 포함하려면 항을 선택하고 이 단추를 클릭합니다. 이 조건을 제거하려면 해당 단추를 다시 클릭합니다.
  • I = 초기 모형에 항 포함: 항을 초기 모형에 포함하려면 항을 선택하고 이 단추를 클릭합니다. p-값이 너무 높으면 절차에서 이 항을 제거할 수 있습니다. 이 조건을 제거하려면 해당 단추를 다시 클릭합니다. 이 단추는 단계적 회귀 분석(방법)을 선택한 경우에만 사용할 수 있습니다.

기준

전진 선택에서 사용할 정보 기준을 선택합니다.

AICc와 BIC 모두 모형의 우도를 평가한 다음 모형에 항을 추가하는 데 대한 벌칙을 적용합니다. 벌칙은 모형을 표본데이터에 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

입력할 변수에 대한 알파 및 제거

입력할 변수에 대한 알파
Minitab에서 모형에 항을 입력할 수 있는지 여부를 확인하기 위해 사용하는 알파 값을 입력합니다. 단계적 회귀 또는 전진 선택(방법)을 선택할 때 이 값을 설정할 수 있습니다.
제거할 변수에 대한 알파
Minitab에서 모형에서 항을 제거할 수 있는지 여부를 확인하기 위해 사용하는 알파 값을 입력합니다. 단계적 회귀 또는 후진 제거(방법)을 선택할 때 이 값을 설정할 수 있습니다.

계층 구조

Minitab에서 단계적 절차 동안 모형 계층 구조를 적용하는 방식을 지정할 수 있습니다. 계층 구조 단추는 하위 대화 상자에서 비계층적 모형을 지정하면 비활성화됩니다.

계층적 모형에서는 높은 차수의 항을 구성하는 모든 낮은 차수의 항이 모형에 표시됩니다. 예를 들어, 교호작용 항 A*B*C가 포함된 모형은 A, B, C, A*B, A*C, B*C 항도 포함되어야 계층적입니다.

코드화되지 않은 단위로 방정식을 생성하려면 모형이 계층적이어야 합니다. 그러나 너무 많은 항을 포함하는 모형은 정확도가 떨어지므로 새로운 관측치의 값을 예측하는 능력이 저하될 수 있으므로 이 내용을 고려해 보십시오.

다음 팁을 고려해 보십시오.
  • 먼저 계층적 모형을 적합합니다. 나중에 유의하지 않은 항을 제거할 수 있습니다.
  • 모형에 범주형 변수가 포함되는 경우 최소한 범주형 항이 계층적이면 결과를 더 쉽게 해석할 수 있습니다.
계층적 모형
단계적 절차에서 계층적 모형을 생성해야 하는지 여부를 선택합니다.
  • 각 단계에서 계층적 모형이 필요함: Minitab에서는 계층 구조를 유지하는 항만 추가하거나 제거할 수 있습니다.
  • 계층적 모형으로 만들기 위해 끝에 항 추가: 처음에 Minitab은 단계적 절차의 표준 규칙을 따릅니다. 최종 단계에서 Minitab은 p-값이 입력할 변수에 대한 알파 값보다 크더라도 계층적 모형을 생성하는 항을 추가합니다. 방법이(가) 정보 기준 전진 선택법일 때 이 옵션을 선택하면 Minitab에서 오류를 표시합니다. 단계의 모형 중에서 기준을 최소화하는 계층 모형을 얻으려면 각 단계에서 계층적 모형이 필요함을(를) 선택하십시오.
  • 계층적 모형이 필요하지 않음: 최종 모형이 비계층적일 수 있습니다. Minitab은 단계적 절차의 규칙만을 기반으로 항을 추가하고 제거합니다.
다음 항에 대한 계층 구조 필요
계층적 모형이 필요한 경우 계층적이어야 하는 유형의 항을 선택합니다.
  • 모든 항: 계량형 및/또는 범주형 변수가 포함된 항이 계층적이어야 합니다.
  • 범주형 예측 변수가 있는 항: 범주형 변수가 포함된 항만 계층적이어야 합니다.
각 단계에 입력할 수 있는 항 수
각 단계에서 계층 구조가 필요한 경우 Minitab이 계층 구조를 유지하기 위해 각 단계에서 추가할 수 있는 항의 수를 선택합니다.
  • 각 단계에서 최대 1개의 항을 입력할 수 있음: 해당 항을 하나 추가해도 계층 구조가 유지되는 경우에만 모형에 고차 항을 추가할 수 있습니다. 고차 항을 구성하는 모든 저차 항은 이미 모형에 포함되어 있어야 합니다.
  • 계층 구조를 유지하기 위해 추가 항을 입력할 수 있음: 비계층적인 모형이 생성되더라도 모형에 고차 항을 추가할 수 있습니다. 그러나 p-값이 입력할 변수에 대한 알파 값보다 크더라도 계층적 모형을 생성하기 위해 필요한 항도 추가됩니다.

모형 선택 상세정보 표 표시

단계적 절차에 대해 표시할 정보를 지정합니다.
  • 방법에 대한 상세정보: 단계적 절차의 유형을 표시하고 모형에 예측 변수를 입력하거나 제거하기 위한 알파 값을 표시합니다.
  • 각 단계에 대한 자세한 내용 포함: 단계적 절차의 각 단계에 대한 계수, p-값 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