전진 정보 기준 절차
- 이 절차는 8단계 연속 기준의 개선을 찾지 못합니다.
- 절차가 전체 모형을 적합합니다.
- 절차가 오차에 대한 자유도 1을 남겨두는 모형을 적합합니다.
전진 선택 절차
모형에 유지할 항을 결정하는 방법입니다. 전진 선택은 단계적 절차와 같은 방법을 사용하여 변수를 모형에 추가합니다. 한 번 추가된 변수는 제거되지 않습니다. 기본 전진 선택 절차는 모형에 포함된 어느 후보 변수의 p-값도 입력할 변수에 대한 알파에 지정된 값보다 작지 않을 때 종료됩니다.
후진 제거 절차
모형에 유지할 변수를 결정하는 방법입니다. 후진 제거는 모형에 모든 항이 포함된 상태에서 시작하며, 단계적 절차와 동일한 방법을 사용하여 한 번에 하나씩 항을 제거합니다. 제거된 변수를 모형에 다시 입력할 수 없습니다. 기본 후진 제거 절차는 모형에 포함된 어떤 변수의 p-값도 제거할 변수에 대한 알파에 지정된 값보다 크지 않을 때 종료됩니다. 초기 모형이 모든 자유도를 사용하는 경우 후진 제거가 진행되지 않습니다.
단계적 방법
F-검정에 기반한 기존 모형에 예측 변수를 추가하거나 삭제하여 변수 선택을 수행합니다. 단계적 방법은 전진 선택과 후진 제거 절차의 조합입니다. 초기 모형이 모든 자유도를 사용하는 경우 단계적 선택이 진행되지 않습니다.
제거할 변수
Minitab에서는 모형의 각 변수에 대한 F-통계량과 p-값을 계산합니다. 모형에 j개의 변수가 포함되어 있는 경우 변수 xr에 대한 F는 다음 공식으로 계산됩니다.
표기법
| 용어 | 설명 |
|---|---|
| SSE(j – Xr ) | xr가 포함되지 않은 모형에 대한 SS 오차 |
| SSE j | xr가 포함된 모형에 대한 SS 오차 |
| MSE | xr가 포함된 모형에 대한 MS 오차 |
변수에 대한 p-값이 제거할 변수에 대한 알파에 지정된 값보다 큰 경우 Minitab에서는 p-값이 가장 큰 변수를 모형에서 제거하고, 회귀 방정식을 계산하며, 결과를 표시하고, 다음 단계를 시작합니다.
추가할 변수
Minitab에서 변수를 제거할 수 없으면 변수를 추가하려고 시도합니다. Minitab에서는 모형에 없는 각 변수에 대한 F-통계량과 p-값을 계산합니다. 모형에 j개의 변수가 포함되어 있는 경우 변수 xa에 대한 F는 다음 공식으로 계산됩니다.
표기법
| 용어 | 설명 |
|---|---|
| SSE j | xa가 모형에 추가되기 전의 SS 오차 |
| SSE(j + Xa ) | xa가 모형에 추가된 후의 SS 오차 |
 | 변수 Xa의 자유도 |
| MSE(j + Xa ) | xa가 모형에 추가된 후의 MS 오차 |
변수의 F-통계량에 해당하는 p-값이 입력할 변수에 대한 알파에 지정된 값보다 작은 경우 Minitab에서는 p-값이 가장 작은 변수를 모형에 추가하고, 회귀 방정식을 계산하며, 결과를 표시하고, 새 단계로 이동합니다. 모형에 더 이상 변수가 추가되지 않거나 제거되지 않으면 단계적 절차가 종료됩니다.
검정 데이터 세트를 사용한 전진 선택
검정 데이터 세트를 사용하는 경우 절차는 전진 선택과 유사합니다. 각 단계에서 Minitab은 모형에 가장 작은 p-값으로 항을 추가합니다. 각 단계의 끝에서 Minitab은 검정 이탈도 R2 결정계수 값을 계산합니다. 전진 선택 절차가 끝나면 검정 이탈도 R2 결정계수 값이 가장 큰 모형이 최종 모형입니다.
- 이 절차는 8개 연속 단계 기준의 개선을 찾지 못합니다.
- 이 절차는 전체 모형을 적합합니다.
- 이 절차는 오차에 대해 1도의 자유도를 남기는 모형을 적합합니다.
