确定要在模型中保留哪些项的方法。向前选择法会使用与逐步过程相同的方法向模型添加变量。一旦添加,就永远不会删除变量。当所有候选变量的 p 值均大于入选用 Alpha中指定值时,默认向前选择过程会结束。
通过在基于 F 检验的现有模型中添加或删除预测变量,执行变量选择。逐步法是向前选择法与向后消元法程序的组合。
如果初始模型使用所有的自由度,则因子设计的分析不会像在 Minitab 中的其他分析那样停止。Minitab 将改为使用分析因子设计和分析变异性删除 ¼ 的项以获取充分的自由度,从而开始进行分析。要删除的项数会四舍五入到最接近的整数,最大值为 9。Minitab 从饱和模型中删除最小的调整平方和,并同时保持模型层次结构。Minitab 在后续步骤中不重新考虑这些项。模型选择详细信息表列出了已经由 Minitab 删除的项。
Minitab 针对模型中的每个变量计算 F 统计量和 p 值。如果模型包含 j 个变量,那么 F 表示任意变量 xr,公式如下:
项 | 说明 |
---|---|
SSE(j – Xr ) | 不包含 xr 的模型的 SS 误差 |
SSE j | 包含 xr 的模型的 SS 误差 |
MSE j | 包含 xr 的模型的 MS 误差 |
如果任意变量的 p 值均大于删除用 Alpha中指定的值,则 Minitab 将从模型中删除具有最大 p 值的变量,计算回归方程,显示结果并启动下一步操作。
如果 Minitab 无法删除一个变量,那么程序就会尝试添加一个变量。Minitab 将针对模型中没有的每个变量计算 F 统计量和 p 值。如果模型包含 j 个变量,那么 F 表示任意变量 xa,公式如下:
项 | 说明 |
---|---|
SSE j | 将 xa 添加到模型之前,出现 SS 误差 |
SSE(j + Xa ) | 将 xa 添加到模型之后,出现 SS 误差 |
变量 Xa 的自由度 | |
MSE(j + Xa ) | 将 xa 添加到模型之后,出现 MS 误差 |
如果对应于任意变量的 F 统计量的 p 值均小于入选用 Alpha中指定的值,则 Minitab 将向模型添加具有最小 p 值的变量,计算回归方程,显示结果,然后转到新步骤。如果不再需要在模型中添加或删除更多变量,则逐步法程序将终止。
确定要在模型中保留哪些变量的方法。向后消元法以包含所有项的模型开始,然后使用与逐步过程相同的方法一次一个删除这些项。不能将变量重新输入模型。当模型中的变量不包含大于删除用 Alpha中指定值的 p 值时,默认向后消元过程将结束。
如果初始模型使用所有的自由度,则因子设计的分析不会像在 Minitab 中的其他分析那样停止。Minitab 将改为使用分析因子设计和分析变异性删除 ¼ 的项以获取充分的自由度,从而开始进行分析。要删除的项数会四舍五入到最接近的整数,最大值为 9。Minitab 从饱和模型中删除最小的调整平方和,并同时保持模型层次结构。Minitab 在后续步骤中不重新考虑这些项。模型选择详细信息表列出了已经由 Minitab 删除的项。