Selecione as opções de análise para Regressão MARS^®

Selecione as opções de análise.

Critério para seleção da modelo ótimo

Escolha entre os seguintes critérios para selecionar o número ideal de funções de base para o modelo. Essa seleção não afeta a pesquisa das funções de base. Se os 2 critérios selecionarem o mesmo número de funções de base, os modelos dos 2 critérios serão os mesmos.

• R-quadrado: Selecione essa opção para exibir os resultados do modelo com o valor máximo de R ao quadrado.
• Desvio absoluto da média: Selecione essa opção para exibir os resultados do modelo com o menor desvio absoluto médio.

Número máximo de funções base

Especifique o número de réplicas O valor padrão de 30 funciona bem na maioria dos casos. Considere um valor maior quando 30 funções de base parecerem muito pequenas para os dados. Por exemplo, considere um valor maior quando você acredita que mais de 30 preditores são importantes.

Se você não tiver certeza se 30 é suficiente, revise os resultados iniciais. Por exemplo, é mais provável que um valor maior melhore o ajuste do modelo se o valor do quadrado R tende para cima à medida que a análise adiciona funções de base.

Número mínimo de observações entre nós

Permitir que a MARS® escolha

A análise usa o tamanho da amostra e a complexidade do modelo para selecionar automaticamente um valor. O valor automático funciona bem na maioria dos casos.

λ especificado pelo usuário

Um valor de 1 indica que pontos de dados consecutivos são elegíveis para serem pontos em que a função de base é alterada. O valor de 1 permite as mudanças mais rápidas nas previsões do modelo. Considere valores diferentes para ver o efeito no ajuste do modelo. Por exemplo, para alguns dados, valores maiores criam modelos mais suaves com menor probabilidade de sobreajustar os dados de treinamento. Esses modelos mais suaves às vezes são menos precisos em certos intervalos dos dados.

Desativar as transformações para os seguintes preditores

Insira um preditor contínuo para que o preditor possa ter apenas um efeito linear na variável de resposta. Outra maneira de descrever esse efeito é que todo preditor tem apenas 1 função de base com um nó no valor mínimo do preditor. Por exemplo, suponha que um preditor em um modelo aditivo tenha várias funções de base para modelar a curvatura. O gráfico de dependência parcial que resulta para um preditor com 3 funções de base tem a seguinte forma:

Sem uma transformação para o preditor, o preditor tem apenas 1 função base. O gráfico de dependência parcial que resulta da função de base 1 é uma linha reta:

Pesos

Digite uma coluna que contenha os pesos do caso. A coluna deve ter o mesmo número de linhas que a coluna de resposta. Os valores devem ser ≥ 0. O Minitab omite as linhas que contenham valores faltantes ou zeros provenientes da análise.