적합 회귀 모형및 선형 회귀에 대한 모델 항을 지정합니다.

교호작용 항과 다항식 항을 모형에 추가할 수 있습니다. 기본적으로 모형에는 주 대화 상자에서 입력한 예측 변수에 대한 주효과만 포함됩니다. 언제든지 이 모델로 돌아가려면 기본값 클릭합니다 .

항을 추가하는 데는 여러 가지 방법이 있습니다. Minitab에서는 예를 사용하여 방법을 보여줍니다. 예제의 경우 목록에 3개의 계량형 변수 X, Y, Z와 2개의 범주형 변수 A, B가 있다고 가정합니다 예측 변수 .

선택된 예측 변수와 모형 항을 사용하여 항 추가

항을 모형에 추가하려면 하나 이상의 예측 변수 또는 항을 선택하십시오. 여러 항목을 선택하거나 항목을 선택 취소하려면 Ctrl 키를 누른 상태에서 예측 변수 또는 항을 클릭합니다. 교호작용과 고차 항을 추가하면 예측 변수의 다중 공선성을 높일 수 있습니다. 이러한 다중 공선성의 원인을 줄이려면 예측 변수를 표준화할 수 있습니다. 자세한 내용은 회귀 분석의 다중 공선성(으)로 이동하십시오.

교호작용의 최대 차수

모든 교호작용 항을 지정된 순서로 추가합니다. 예측 변수 X, Y, A를 선택하고 차수 3을 통해 교호작용을 추가한다고 가정합니다. 을 클릭하면 추가Minitab에서 X*Y, X*A, Y*A, X*Y*A를 추가합니다.

항의 최대 차수

곡면성을 모형화하기 위해 사용합니다. 이 옵션은 거듭제곱과 교호작용 항을 지정된 순서로 추가합니다. 거듭제곱은 계량형 예측 변수에 대한 것입니다. X, Y, A와 차수 3을 통한 항을 선택한다고 가정합니다. 을 클릭하면 추가Minitab에서 X와 Y에 대한 검정력 항을 추가합니다. X*X, Y*Y, X*X*X, Y*Y*Y. Minitab에서는 예측 변수 및 검정력에 대한 교호작용도 추가합니다. X*Y, X*A, Y*A, X*X*Y, X*Y*Y, X*X*A, X*Y*A, Y*Y*A.

모형에 포함된 교차 예측 변수 및 항

이 옵션은 다음과 같은 방법으로 사용할 수 있습니다.

• 두 개 이상의 예측 변수를 교차할 수 있습니다. X, Y, Z를 선택한다고 가정합니다. 을 클릭하면 추가Minitab에서 다음 항을 추가합니다. X*X, X*Y, X*Z.
• 이미 모형에 있는 두 개 이상의 항을 교차할 수 있습니다. X*A와 X*B가 모형에 있다고 가정합니다. 이러한 항만 선택하고 를 클릭하면 추가Minitab에서 X*X*A*B를 추가합니다.
• 예측 변수를 모형의 항과 교차할 수 있습니다. X*X와 Y*Y가 모형에 있다고 가정합니다. 이러한 항과 예측 변수 A, B를 선택한 다음 를 클릭하면 추가Minitab에서 X*X*A, X*X*B, Y*Y*A, Y*Y*B를 추가합니다. 각 예측 변수는 각 모형 항과 교차되지만, 예측 변수는 예측 변수 자체와 교차되지 않고 모형 항은 모형 항 자체와 교차되지 않습니다.

참고

교차하려는 항만 선택하기 위해 예측 변수 또는 항을 선택 취소해야 할 수도 있습니다. 항목을 선택 취소하려면 Ctrl 키를 누른 상태에서 예측 변수 또는 항을 클릭합니다.

모형 안의 항

모형에 항을 추가하면 대화 상자의 빈 공간에 항이 나열됩니다. 이 공간에서 개별 항이나 항의 그룹을 선택하여 제거하거나 재정렬할 수 있습니다.

기본값

주 대화 상자에 입력한 예측 변수 값만 사용하여 모형을 채웁니다.

항 삭제

모형에서 하나 이상의 항을 삭제할 수 있습니다. 항을 선택하고 대화 상자에서 삭제(빨간색 "X")를 클릭합니다. 항을 두 번 클릭하여 삭제할 수도 있습니다.

항 순서 변경

항을 이동하려면 항을 선택한 다음 대화 상자에서 화살표 단추 중 하나를 클릭하여 위 또는 아래로 이동하십시오. 인접한 항의 블럭을 이동할 수도 있습니다. 전체 블럭을 선택하려면 첫 번째 항을 클릭한 다음 Shift 키를 클릭한 상태에서 마지막 항을 클릭하십시오. 그런 다음 적절한 화살표를 사용하여 블럭을 이동하십시오.

모형에 상수항 포함

회귀 모형에 상수 항을 포함하려면 선택하십시오. 대부분의 경우 모형에 상수를 포함해야 합니다.

상수를 제거할 수 있는 이유는 예측 변수 값이 0일 때 반응이 0이라고 가정할 수 있는 경우입니다. 예를 들어, 식품의 지방, 단백질 및 탄수화물 함량을 기반으로 칼로리를 예측하는 모델을 생각해 보십시오. 지방, 단백질 및 탄수화물이 0인 경우 칼로리 수치도 0입니다(또는 0에 매우 가까움).

상수를 포함하지 않는 모형을 비교할 때는 R² 통계량 대신 S를 사용하여 모형의 적합도를 평가하십시오.