MARS^® 回归概述

使用多元自适应回归样条 （MARS^®） 为具有许多连续和分类预测变量的连续响应创建准确的预测模型。形成模型的强大 MARS^® 回归 基函数具有高度适应性，因此模型捕获了与传统多元回归的线性约束的显着偏离。MARS^® 回归 轻松处理通常隐藏在高维数据中的复杂数据结构。通过这样做，这种回归建模方法有效地揭示了其他回归方法难以（如果不是不可能的话）揭示的重要数据模式和关系。

与使用树形成模型的预测分析模型不同，来自模型的 MARS^® 回归 表示形式与传统多元回归的方程相当。使用这些方程更容易理解响应变量和各个预测变量之间的关系。

MARS^® 回归可以帮助您深入洞察各种应用，包括制造质量控制、药物发现、欺诈检测、信用评分和流失预测。使用结果来识别重要变量、检查变量的相对效应以及预测新观测值的响应值。例如，房地产评估人员想了解城市公寓与多个预测变量（包括建筑面积、可用单元数量、建筑年限和到市中心的距离）之间的相关性。

有关其他预测分析模型的说明 MARS^® 回归 ，请转到 Minitab 统计软件中的预测分析模型类型。