Use Ajuste do modelo de
regressão para descrever a relação entre um conjunto de preditores e uma resposta contínua usando o método dos mínimos quadrados ordinários. É possível incluir termos de interação e polinomiais, realizar regressão stepwise e transformar dados assimétricos.
Por exemplo, avaliadores de imóveis querem ver como o preço de venda de apartamentos urbanos está associado a várias variáveis preditoras, incluindo a metragem quadrada, o número de unidades disponíveis, a idade do edifício e a distância do centro da cidade. Os avaliadores podem usar regressão múltipla para determinar quais preditores estão significativamente relacionados ao preço de venda.
Depois de realizar a análise, o Minitab armazena o modelo, de modo que seja possível fazer o seguinte:
- Predizer a resposta para novas observações.
- Representar graficamente a relação entre as variáveis.
- Encontrar valores que otimizem uma ou mais respostas.
Para obter mais informações, acesse
Visão geral do modelo armazenado.
Onde encontrar esta análise
Para ajustar um modelo de regressão, escolha .
Quando usar uma análise alternativa
- Se você quiser representar graficamente a relação entre um preditor contínuo (numérico) e uma resposta contínua, use Gráfico de linha
ajustada.
- Se você tiver preditores categóricos que são aninhados ou aleatórios, use Ajustar modelo linear
generalizado se você tiver todos os fatores fixos ou Ajustar modelo de efeitos
mistos se você tiver fatores aleatórios.
- Se a sua variável de resposta tiver duas categorias, como aprovação e reprovação, use Ajustar modelo
logístico binário.
- Se a variável de resposta contiver três ou mais categorias que têm uma ordem natural, como discorda, discorda, neutro, concorda e concorda plenamente, use Regressão logística
ordinal.
- Se a variável de resposta contém três ou mais categorias que não têm uma ordem natural, como arranhão, dente e rasgo, use Regressão logística
nominal.
- Se a sua variável de resposta conta ocorrências, como o número de defeitos, use Ajustar modelo de
Poisson.