指定逐步回归的默认设置

文件 > 选项 > 线性模型 > 逐步

指定要显示的逐步回归方法、参数和详细信息。对默认设置所做的更改将保留到您再次更改它们,即使退出 Minitab 也是如此。每次使用下列某种分析时,Minitab 将使用您在此处指定的设置︰
  • 统计 > 回归 > 回归 > 拟合回归模型
  • 统计 > 回归 > 二值 Logistic 回归 > 拟合二元 Logistic 模型
  • 统计 > 回归 > Poisson 回归 > 拟合 Poisson 模型
  • 统计 > 方差分析 > 一般线性模型 > 拟合一般线性模型
  • 统计 > DOE > 筛选 > 分析筛选设计
  • 统计 > DOE > 因子 > 分析因子设计
  • 统计 > DOE > 因子 > 分析变异性
  • 统计 > DOE > 响应曲面 > 分析响应曲面设计
  • 统计 > DOE > 混料 > 分析混料设计

混料设计与其他工具有两种区别。如果您选择转发信息标准作为默认方法,则混料设计的默认方法保持为。另外,混料设计的结果始终显示相同的详细信息。

默认方法
  • :采用您在中指定的所有项来拟合模型。
  • 转发信息标准:向前信息标准过程在每个步骤中向模型中添加具有最低 p 值的项。如果分析设置允许考虑非分层项,但是要求每个模型都分层,则在步骤 1 中可以向模型中输入其他项。Minitab 为每个步骤计算信息标准。在大多数情况下,该过程一直持续,直到出现以下某种情况为止:
    • 该过程在连续 8 个步骤中都未找到标准的新最小值。
    • 该过程拟合整个模型。
    • 该过程拟合的模型保留 1 个误差自由度。
    如果您为该过程指定的设置要求每个步骤都使用分层模型,并且一次只允许输入一项,则该过程将持续到其拟合整个模型或者拟合的模型保留 1 个误差自由度为止。Minitab 对于针对选定的信息标准(AIC 或 BIC)具有最小值的模型显示分析结果。
  • 逐步︰从空模型开始,然后在模型中添加或删除对应于每个步骤的项。可以指定要在模型中包括的一组初始项。
  • 前进法︰从空模型开始,然后向模型中添加对应于每个步骤的最显著的潜在项。
  • 后退法:从模型中的所有潜在项开始,然后删除对应于每个步骤的最不显著的项。
转发信息

指定要在向前选择中使用的信息标准。

AICc 和 BIC 评估模型的似然,然后将用来添加项的惩罚应用于模型。惩罚会降低趋势,以使模型过度拟合样本数据。趋势降低可能会生成性能通常更佳的模型。

一般准则是,当参数个数相对于样本数量较小时,BIC 对于添加每个参数所施加的惩罚比 AICc 大。在这些情况下,最小化 BIC 的模型往往比最小化 AICc 的模型小。

在一些常见情况(如筛选设计)下,参数个数相对于样本数量通常较大。在这些情况下,最小化 AICc 的模型往往比最小化 BIC 的模型小。例如,对于包含 13 个游程的明确筛选设计,在一组包含 6 个或多个参数的模型中,最小化 AICc 的模型往往比最小化 BIC 的模型小。

有关 AIC 和 BIC 的更多信息,请参见 Burnham 和 Anderson。1

逐步参数
  • 入选用 Alpha︰指定用于将新项输入模型的标准。
  • 删除用 Alpha︰指定用于从模型中删除项的标准。
前进法参数
  • 入选用 Alpha︰指定用于将新项输入模型的标准。
后退法参数
  • 删除用 Alpha︰指定用于从模型中删除项的标准。
显示模型选择详细信息表
在表中显示关于逐步过程的信息。
  • 该方法的详细信息:显示用于在模型中添加和/或删除项的逐步过程类型和 alpha 值。
  • 包含每个步骤的详细信息:针对过程的每一个步骤显示系数、p 值、Mallows Cp 和模型汇总统计量。
1 Burnham, K. P. 和 Anderson, D. R. (2004). Multimodel inference: Understanding AIC and BIC in model selection.(多模型推断:了解模型选择中的 AIC 和 BIC)。Sociological Methods & Research(社会学方法和研究)33(2),第 261-304 页。doi:10.1177/0049124104268644
使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策