Executar a regressão stepwise para Análise de experimento fatorial

Estat > DOE (Planejamento de Experimento) > Fatorial > Análise de experimento fatorial > Stepwise

Especifique as opções para a análise de regressão stepwise de seu experimento fatorial.

Neste tópico

Método
Termos potenciais
Critério
Alfa para entrada e remova
Hierarquia
Exibir a tabela de detalhes da seleção do modelo

Método

O stepwise remove e adiciona termos ao modelo com a finalidade de identificar um subconjunto útil dos termos. Se você escolher um procedimento stepwise, os termos que você especificar na subcaixa de diálogo Termos são candidatos para o modelo final. Para obter mais informações, acesse Usando a regressão de melhores subconjuntos e regressão stepwise.

Os métodos stepwise não estão disponíveis quando você tem um experimento de parcelas subdivididas.

Especifique o método que o Minitab usa para ajustar o modelo.

Nenhum: Ajuste o modelo com todos os termos que você especificar na subcaixa de diálogo Termos.
Critério de informação Forward: O procedimento de critérios de informações forward adiciona o termo com o menor valor-p ao modelo em cada etapa. Os termos adicionais podem ser informados ao modelo em uma etapa se as configurações para análise permitirem a consideração de termos não hierárquicos, mas exigem que cada modelo seja hierárquico. O Minitab calcula os critérios de informação para cada etapa. Na maioria dos casos, o procedimento continua até que uma das seguintes condições ocorra:
- O procedimento não encontra um novo mínimo para o critério por 8 etapas consecutivas.
- O procedimento ajusta o modelo completo.
- O procedimento ajusta um modelo que deixa 1 grau de liberdade para o erro.
Se forem especificadas as configurações para o procedimento que requer um modelo hierárquico a cada etapa e que permita apenas um termo a ser inserido por vez, então o procedimento continua até que ou ele ajuste o modelo completo ou ajuste um modelo que deixe 1 grau de liberdade para o erro. O Minitab exibe os resultados da análise do modelo com o valor mínimo do critério de informações selecionado, seja ele AICc ou BIC.
Stepwise: Este método começa com um modelo vazio ou inclui os termos especificados para incluir no modelo inicial ou em todos os modelos. Em seguida, o Minitab adiciona ou remove um termo para cada etapa. É possível especificar os termos a serem incluídos no modelo inicial ou a serem forçados em cada modelo. O Minitab para quando todas as variáveis que não estão no modelo têm os valores-p que são maiores que o valor de Alfa para entrada especificado e quando todas as variáveis no modelo têm valores-p que são menores ou iguais ao valor de Alfa para remoção especificado.
Seleção forward: Este método começa com um modelo vazio ou inclui os termos especificados para incluir no modelo inicial ou em todos os modelos. Em seguida, o Minitab adiciona a maioria dos termos significativos para cada etapa. O Minitab para quando todas as variáveis que não estão no modelo têm os valores-p que são maiores que o valor de Alfa para entrada especificado.
Eliminação backward: Este método começa com todos os termos potenciais no modelo e remove o termo menos significativo para cada etapa. O Minitab para quando todas as variáveis que não estão no modelo têm os valores-p que são menores ou iguais ao valor de Alfa para remoção especificado. Quando você seleciona Eliminação backward para um modelo saturado, o Minitab remove alguns termos com efeito pequeno para obter um número mínimo de graus de liberdade do erro.

Observação

Os termos que estão incluídos no modelo final podem depender de restrições de hierarquia para os modelos. Para obter mais informações, consulte o tópico sobre Hierarquia abaixo.

Termos potenciais

Exibe o conjunto de termos que o procedimento avaliará. Os indicadores (T ou I) ao lado do termo na lista significam a forma como o processo lida com o termo. O Método que você escolhe determina os ajustes iniciais nesta lista. É possível modificar a forma como o processo lida com os termos usando os dois botões abaixo. Se você não utilizar estes botões, o procedimento pode adicionar ou remover o termo do modelo com base em seu valor-p.

E = Incluir termo em todos os modelos: selecione um termo e clique neste botão para forçar o termo em todos os modelos, independentemente do seu valor-p. Clique no botão novamente para remover essa condição.
I = Incluir termo no modelo inicial: selecione um termo e clique neste botão para incluir o termo no modelo inicial. O procedimento pode remover estes termos se o valor-p for elevado demais. Clique no botão novamente para remover essa condição. Este botão só está disponível se você selecionar Stepwise em Método.

Critério

Especifique quais critérios de informações devem ser usados na seleção progressiva

Tanto AICc como BIC avaliam a verossimilhança do modelo e aplicam uma penalidade para adicionar termos ao modelo. Tal penalidade reduz a tendência de sobreajuste do modelo aos dados amostrais. Essa redução pode produzir um modelo com melhor desempenho geral.

Como orientação geral, quando o número de parâmetros é pequeno em relação ao tamanho amostral, o BIC tem uma penalidade maior do que o AICc para a adição de cada parâmetro. Nesses casos, o modelo que minimiza o BIC tende a ser menor do que o modelo que minimiza o AICc.

Em alguns casos comuns, tais como filtragens de experimento, o número de parâmetros geralmente é grande em relação ao tamanho amostral. Nesses casos, o modelo que minimiza o AICc tende a ser menor do que o modelo que minimiza o BIC. Por exemplo, para uma filtragem de experimento definitiva de 13 ensaios, o modelo que minimiza o AICc tenderá a ser menor que o modelo que minimiza o BIC no conjunto de modelos com 6 ou mais parâmetros.

Para obter mais informações sobre AICc e BIC, consulte Burnham e Anderson.¹

Alfa para entrada e remova

Alfa para entrada: Insira o valor de alfa que o Minitab usa para determinar se um termo pode ser inserido no modelo. Você pode definir esse valor ao selecionar Stepwise ou Seleção forward em Método.
Alfa para remoção: Insira o valor de alfa que o Minitab usa para determinar se um termo está removido do modelo. Você pode definir esse valor ao selecionar Stepwise ou Eliminação backward em Método.

Hierarquia

Você pode determinar como Minitab impõe a hierarquia do modelo durante um procedimento stepwise. O botão Hierarquia é desabilitado se você especificar um modelo não hierárquico na subcaixa de diálogo Termos.

Em um modelo hierárquico, todos os termos de ordem inferior que compõem os termos de ordem superior também aparecem no modelo. Por exemplo, um modelo que inclui o termo de interação A*B*C também deve incluir os termos: A, B, C, A*B, A*C e B*C como hierárquicos.

Os modelos devem ser hierárquicos caso você queira produzir uma equação em unidades não codificadas. No entanto, pese essa consideração contra o fato de que os modelos que contêm muitos termos podem ser relativamente imprecisos e podem reduzir a capacidade de predizer os valores de novas observações.

Considere as dicas a seguir:

Ajuste um modelo hierárquico primeiro. Você pode remover termos não significativos posteriormente.
Se o modelo contiver variáveis categóricas, os resultados são mais fáceis de serem interpretados se os termos categóricos, pelo menos, forem hierárquicos.

Modelo Hierárquico

Escolha se o procedimento stepwise deve produzir um modelo hierárquico.

Exigir um modelo hierárquico em cada etapa: O Minitab só pode adicionar ou remover os termos que mantiverem a hierarquia.
Adicionar termos ao final para tornar o modelo hierárquico: Inicialmente, o Minitab segue as regras padrão do procedimento stepwise. Na etapa final, o Minitab adiciona os termos que produzem um modelo hierárquico, mesmo que seus valores-p sejam maiores do que o valor de Alfa para entrada. Se você selecionar esta opção quando o Método for Critério de informação Forward, o Minitab exibe um erro. Para obter um modelo hierárquico que minimize o critério entre os modelos nas etapas, selecione Exigir um modelo hierárquico em cada etapa.
Não exigir um modelo hierárquico: O modelo final pode ser não-hierárquico. O Minitab irá adicionar e remover termos baseados apenas nas regras do procedimento stepwise.

Exigir hierarquia para os seguintes termos

Se você precisar de um modelo hierárquico, escolha os tipos de termos que devem ser hierárquicos.

Todos os termos: Termos que incluem as variáveis contínuas e/ou categóricas devem ser hierárquicos.
Termos com preditores categóricos: Apenas termos que incluem variáveis categóricas devem ser hierárquicos.

Quantos termos podem entrar em cada etapa

Se você precisar de hierarquia em cada etapa, escolha o número de termos que o Minitab pode adicionar em cada etapa, a fim de manter a hierarquia.

No máximo um termo pode entrar em cada etapa: Um termo de ordem superior pode entrar no modelo somente se a hierarquia for mantida ao acrescentar aquele único termo. Todos os termos de ordem inferior que compreendem a ordem mais elevada devem já estar no modelo.
Termos extras podem entrar para manter a hierarquia: Um termo de ordem superior pode entrar no modelo, mesmo que produza um modelo não hierárquico. No entanto, os termos que são necessários para produzir um modelo hierárquico também são adicionados, mesmo se os seus valores-p forem maiores que o valor de Alfa para entrada.

Exibir a tabela de detalhes da seleção do modelo

Especifique as informações a serem exibidas sobre o procedimento stepwise.

Detalhes sobre o método: Exibir o tipo de procedimento stepwise e os valores de alfa a serem inseridos e/ou remover um preditor do modelo.
Incluir detalhes para cada etapa: Exibir os coeficientes e valores-p, e estatísticas de resumo do modelo para cada etapa do procedimento.

¹ Burnham, K. P., & Anderson, D. R. (2004). Multimodel inference: Understanding AIC and BIC in model selection. Sociological Methods & Research, 33(2), 261-304. doi:10.1177/0049124104268644