TreeNet^® 분류를 통한 모형 적합 및 주요 예측 변수 검색에 대한 상위 이원 교호작용 강도의 방법 및 공식

및 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.

여기에서 N은 학습 데이터의 행 수이며, 은(는) TreeNet 모형의 적합치이고 에는 다음과 같은 정의가 있습니다.

설명 N 은 학습 데이터의 사건 수입니다.

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

설명 은(는) 이변수 부분 종속성 표면의 적합치입니다. 이 적합치의 계산에 대해서는 TreeNet® 분류를 통한 모형 적합 및 주요 예측 변수 검색에서 부분 종속성 플롯에 대한 방법 및 공식(으)로 이동하십시오.

교호작용의 편차에 대한 계산은 공동 계산에서 주요 효과를 제거합니다.

설명 및 은(는) 단변수 부분 종속적 표면의 적합치입니다. 및 . 이 적합치의 계산에 대해서는 TreeNet® 분류를 통한 모형 적합 및 주요 예측 변수 검색에서 부분 종속성 플롯에 대한 방법 및 공식(으)로 이동하십시오.