MARS® 회귀 분석 개요

참고

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

다변량 적응 회귀 스플라인(MARS®)을 사용하여 많은 계량형 및 범주형 예측 변수가 있는 계량형 반응에 대한 정확한 예측 모형을 생성할 수 있습니다. 모델을 MARS® 회귀 분석 형성하는 강력한 기저 함수는 적응성이 뛰어나므로 모델은 기존 다중 회귀의 선형성 제한에서 상당한 편차를 포착합니다. MARS® 회귀 분석 고차원 데이터에 종종 숨어있는 복잡한 데이터 구조를 쉽게 처리합니다. 이를 통해 회귀 모델링에 대한 이 접근 방식은 다른 회귀 방법으로는 불가능하지는 않더라도 어려운 중요한 데이터 패턴과 관계를 효과적으로 발견합니다.

트리를 사용하여 모델을 형성하는 예측 분석 모델과 달리 의 MARS® 회귀 분석 모델은 기존 다중 회귀의 방정식과 비교할 수 있는 표현을 갖습니다. 반응 변수와 개별 예측 변수 간의 관계는 이러한 방정식으로 더 쉽게 이해할 수 있습니다.

MARS® 회귀 분석는 제조 품질 관리, 신약 발견, 사기 탐지, 신용 평가 및 이탈 예측을 비롯한 광범위한 애플리케이션에 대한 통찰력을 제공합니다. 결과를 사용하여 중요한 변수를 식별하고, 변수의 상대적 효과를 조사하고, 새 관측치에 대한 반응 값을 예측할 수 있습니다. 예를 들어, 부동산 평가사들이 도시 아파트의 판매 가격과 면적, 세대 수, 건축 연도, 시내 중심부와의 거리 등 여러 예측 변수와의 관계를 확인하려고 합니다.

및 기타 예측 분석 모델에 대한 MARS® 회귀 분석 설명은 로 Minitab 통계 소프트웨어의 예측 분석 모델 유형이동하십시오.

이 분석을 찾을 수 있는 위치

수행하려면 MARS® 회귀 분석을 선택합니다 예측 분석 모듈 > MARS® 회귀 분석.

대립 분석을 사용할 시기

계량형 반응 변수가 있는 모수 모형을 사용하려면 회귀 모형 적합을 사용하십시오.

Random Forests® 회귀 모델의 성능을 비교하려면 Random Forests® 회귀를 사용합니다.

TreeNet® 회귀 모델의 성능을 비교하려면 TreeNet® 회귀 분석을사용하십시오.

여러 모형의 성능을 동시에 비교하고 최적 모형에 대한 결과를 생성하려면 최고의 모형 검색(계량형 반응)을 사용하십시오.