使用 TreeNet^® 回归 的 发现关键预测变量 的公式和方法

预测变量排除分析首先构建一个具有所有预测变量的模型。分析使用该模型来计算所有预测变量的重要度分值。后续步骤取决于分析是排除了不重要的预测变量还是重要的预测变量。

不重要的预测变量

分析首先根据预测变量的重要度分值对预测变量进行排序。如果分析排除了不重要的预测变量，则分析会通过删除排序列表中最不重要的预测变量来构建顺序模型。更具体地说，在每个模型步骤中，分析删除任何重要度分值为 0 的预测变量以及指定数量的最不重要的预测变量。分析用预测变量的这个子集构建一个模型。分析使用该模型重新计算分析中所有预测变量的重要度值。预测变量排除和模型构建步骤重复，以达到最大排除步骤数。

重要预测变量

分析首先根据预测变量的重要度分值对预测变量进行排序。如果分析排除了重要预测变量，则分析会通过删除排序列表中最重要的预测变量来构建顺序模型。更具体地说，在每个模型步骤中，分析构建一个没有上一个模型的最重要预测变量的模型。分析使用该模型重新计算分析中所有预测变量的重要度分值。预测变量排除和模型构建步骤重复，以达到最大排除步骤数。

有关模型选择表格中模型汇总统计量的计算详细信息，请转到 使用 TreeNet® 回归 的 拟合模型 和 发现关键预测变量 的模型汇总的方法和公式。