响应优化器 指定选项

响应优化器 > 选项

在优化期间考虑缺失值。

选择此选项,以便搜索包括具有缺失值的解决方案。对于在构建模型期间训练数据集中具有缺失值的预测变量,可能会出现缺失值。当具有缺失值的解决方案对应用程序有意义时,请考虑此选项。例如,如果缺失值表示低于连续变量的可检测阈值的值,则对解决方案中缺失值的一种解释是最小化应用程序中的该预测变量。

如果选择此选项,则可以选择 保留缺失值 作为训练数据中具有缺失值的预测变量的约束。保留缺失值 选择预测变量,以便所有解决方案中始终缺少预测变量。如果没有 保留缺失值,则仅当预测变量在训练数据中具有缺失值且分析指定 在优化期间考虑缺失值。时,算法才会尝试预测变量的缺失值。

约束

可以让连续变量和类别变量保持在特定值,也可以限制可能值的范围。
注意

因子设计中的协变量必须保持在特定值。默认情况下,Minitab 将值设置为协变量的均值。一般线性模型中的协变量可以不受约束,也可以受约束。

变量
显示模型中包含的所有变量。此列不接受任何输入。
约束
对于每个变量,选择 无约束保留值区域约束。一般线性模型中的协变量具有附加选项 保留均值。如果分析允许缺失值,并且预测变量在训练数据中具有缺失值,则该 保留缺失值 选项可用。
保留值
对于您指定的 保留值每个变量,请输入一个用于保存变量的值。Minitab 将此值用于变量设置来计算拟合值。
下限
对于您指定的每个变量 区域约束,请输入一个最小值。Minitab 选择大于或等于此值的值。
上限
对于您指定的 区域约束每个变量,请输入一个最大值。Minitab 选择小于或等于此值的值。

初始值

如果算法产生不可接受的结果,您可以尝试通过输入搜索算法的起点来改进结果。此选项适用于菜单中的 统计 模型以及 和 二值 Logistic 回归 预测分析模块中的模型 线性回归
变量
显示拟合模型中包含的所有连续变量。此列不接受任何输入。
初始值
为每个连续变量输入一个值。每个值都必须介于该变量的最小观测值和最大观测值之间。如果您为变量输入一个约束,则初始值必须满足该约束。如果为变量指定了保持值,则您不能输入初始值。

所有区间的置信水平

此选项可用于菜单中的 统计 模型,以及 中的线性回归和二元逻辑回归模型 预测分析模块

输入系数和拟合值的置信区间的置信水平。

通常,置信水平为 95% 即可。95% 置信水平表明,如果从总体中随机抽取 100 个样本,则大约 95 个样本的置信区间中将包含响应均值。对于给定的数据集,置信水平越低,生成的区间越窄;置信水平越高,生成的区间越宽。

注意

要显示置信区间,请选择 结果。在 结果显示 下,选择 扩展表

置信区间类型

此选项可用于菜单中的 统计 模型,以及 中的线性回归和二元逻辑回归模型 预测分析模块

您可以选择双侧区间或单侧边界。对于相同的置信水平,单侧边界比双侧区间的边界更接近于点估计值。上限不提供可能的下限值。如果您请求上限,则没有下限。如果您请求下限,则没有上限。

例如,水中溶解性固体的预测平均浓度为 13.2 mg/L。多个未来观测值的均值的 95% 置信区间为 12.8 mg/L 到 13.6 mg/L。多个未来观测值的均值的 95% 上限为 13.5 mg/L,该值更为精确,因为边界更接近于预测均值。
双侧
  • 使用双侧置信区间可同时估计响应均值的可能下限值和上限值。
  • 使用双侧预测区间来估计单个未来观测值的可能下限和上限值。
下限
  • 使用置信下限估计均值响应可能的下限值。
  • 使用预测下限估计单个未来观测值可能的下限值。
上限
  • 使用置信上限来估计平均响应的可能的上限值。
  • 使用预测上限估计单个未来观测值可能的上限值。