Neste tópico
Procedimento de critérios de informações forward
- O procedimento não encontra melhora no critério para 8 etapas consecutivas.
- O procedimento ajusta o modelo completo.
- O procedimento ajusta um modelo que deixa 1 grau de liberdade para o erro.
Procedimento de seleção forward
Um método para determinar quais os termos a serem retidos em um modelo. A seleção forward acrescenta variáveis ao modelo usando o mesmo método do procedimento stepwise. Assim que é acrescentada, uma variável nunca é removida. O procedimento de seleção forward padrão termina quando nenhuma das variáveis candidatas têm um valor-p menor do que o valor especificado em Alfa para entrada.
Procedimento de eliminação regressiva
Um método para determinar quais as variáveis devem ser retidas em um modelo. A eliminação regressiva começa com o modelo que contém todos os termos e, em seguida, remove termos, um de cada vez, utilizando o mesmo método que o procedimento stepwise. Nenhuma variável, pode entrar novamente no modelo. O procedimento de eliminação regressiva padrão termina quando nenhuma das variáveis incluídas no modelo tem um valor-p maior que o valor especificado em Alfa para remoção. A eliminação regressiva não procede se o modelo inicial usa todos os graus de liberdade.
Método stepwise
Realiza seleção variável, adicionando ou excluindo preditores do modelo existente com base no teste-F. Stepwise é uma combinação de seleção avançada e procedimentos de eliminação regressiva. A seleção stepwise não procede se o modelo inicial usa todos os graus de liberdade.
Variáveis a serem removidas
O Minitab calcula uma estatística F e um valor-p para cada variável no modelo. Se o modelo contiver j variáveis, então F para qualquer variável, xr , está nesta fórmula:
Notação
| Termo | Descrição |
|---|---|
| SSE(j – Xr ) | O Erro SS para o modelo que não contenha xr |
| SSE j | O Erro SS para o modelo que contenha xr |
| MSE j | O MS Erro para o modelo que contenha xr |
Se o valor-p para cada variável for maior do que o valor especificado em Alfa para remoção, o Minitab remove a variável com o maior valor-p do modelo, calcula a equação de regressão, exibe os resultados e inicia a próxima etapa.
Variáveis a serem adicionadas
Se o Minitab não puder remover uma variável, o procedimento tenta adicionar uma variável. O Minitab calcula uma estatística F e um valor-p para cada variável que não está no modelo. Se o modelo contiver j variáveis, então F para qualquer variável, xa , está nesta fórmula:
Notação
| Termo | Descrição |
|---|---|
| SSE j | Erro SS antes de xa ser adicionado ao modelo |
| SSE(j + Xa ) | Erro SS depois de xa ser adicionado ao modelo |
 | Graus de liberdade para variável Xa |
| MSE(j + Xa ) | MS Erro depois de xa ser adicionado ao modelo |
Se o valor-p correspondente à estatística F para qualquer variável for menor do que o valor especificado em Alfa para entrada, o Minitab adiciona a variável com o menor valor-p ao modelo, calcula a equação de regressão, exibe os resultados, passa para uma nova etapa. Quando mais nenhuma variável puder ser inserida ou removida do modelo, o procedimento stepwise é encerrado.
Seleção forward com um conjunto de dados de teste
Quando você usa um conjunto de dados de teste, o procedimento é semelhante à seleção forward. A cada passo, o Minitab adiciona ao modelo o termo com o menor valor-p. Ao final de cada passo, o Minitab calcula o valor de R2 da desviância de teste. Ao final do procedimento de seleção forward, o modelo com o maior valor de R2 da desviância de teste será o modelo final.
- O procedimento não encontra uma melhoria no critério por 8 passos consecutivos.
- O procedimento ajusta o modelo completo.
- O procedimento ajusta um modelo que deixa 1 grau de liberdade para erro.
