使用 TreeNet® 回归拟合模型发现关键预测变量 的最佳双向交互作用强度表格

注意

此命令适用于 预测分析模块单击此处了解更多关于如何激活模块的信息

查找交互作用强度表格的解释指导。

最佳双向交互作用强度表格可确定具有最强交互作用的变量对。交互作用表格显示最强双因子交互作用的总平方误差百分比和/或平方误差百分比。使用总平方误差百分比来描述相对于数据变异的交互作用强度。将平方误差百分比用于特定变量对,以描述相对于变量的主效应强度的交互作用强度。

当一个树只有 2 个终端节点时,则无法进行交互作用。因此,每个树的最大终端节点数必须为 3 个或更多。您可以在 选项 子对话框中进行此设置。
注意

如果所有交互作用的总平方误差百分比或平方误差百分比小于 10%,Minitab 不会显示交互作用表格。

解释

在此示例中,两个表格的八个最强双因子交互作用是相同的:但是,排序略有不同。在第一张表格中,年收入与前端比率之间的交互作用是最强的双因子交互作用。总平方误差百分比为 11.71977,这意味着 11.71977% 的总平方误差由年收入和前端比率的主效应及其双因子交互作用效应来解释。

对于年收入与前端比率之间的相同双因子交互作用,具有主效应和交互效应的预测变量对的平方误差百分比为 19.73464%。

要进行计算,19.73464% = 分量 3 /(分量 1 + 分量 2 + 分量 3)* 100%
  • 分量 1 = 由第一个主效应(年收入)解释的平方误差
  • 分量 2 = 由第二个主效应(前端比率)解释的平方误差
  • 分量 3 = 由年收入与前端比率之间的交互作用及其主效应所解释的平方误差

TreeNet® 回归: 贷款金额 vs 年收入, 收入比率, 前端比率, 后端比率, 借款人数量, 年龄, 共同借款人年龄, 普查区少数族裔百分比, ...

最佳双向交互作用强度 总平方误差百分比 预测变量 1 预测变量 2 11.71977 年收入 前端比率 9.26333 县代码 基于核心的统计区域 7.78507 基于核心的统计区域 年收入 5.63338 收入比率 前端比率 4.36461 单元数 基于核心的统计区域 1.26633 县代码 共同借款人年龄 1.14108 房屋居住代码 县代码 1.13207 县代码 普查区收入 强度: 由双向交互作用解释的总平方误差百分比
平方误差百分比 预测变量 1 预测变量 2 25.21549 县代码 基于核心的统计区域 19.73464 年收入 前端比率 15.29069 县代码 共同借款人年龄 14.88112 房屋居住代码 县代码 13.80494 收入比率 前端比率 13.39658 县代码 普查区收入 11.60658 单元数 基于核心的统计区域 10.95376 基于核心的统计区域 年收入 平方误差: 特定于具有主效应和交互作用效应的每个预测变量对 强度: 由配对交互作用解释的平方误差百分比
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