Tecnología

Inicio

Cómo interpretar una selección hacia atrás en Minitab

regresión múltiple es un método utilizado para predecir una cierta variable usando un modelo estadístico compuestos de otras variables. Hay varias variedades de regresión múltiple, una de ellas siendo la selección hacia atrás, también conocido como la eliminación hacia atrás. Esta técnica pone todas las variables posibles en el modelo de una sola vez y luego compara el uno con el menor poder predictivo en contra de un determinado "nivel de extracción," por medio de un procedimiento estadístico denominado una "prueba de la t." Si la variable está por encima del nivel de extracción, es eliminado y el modelo se vuelve a calcular. Este proceso continúa hasta que todas las variables restantes están bajo el nivel de eliminación.

Instrucciones

1 Minitab abierta, haga clic en "Archivo" y luego haga clic en "Abrir proyecto". Busque el archivo de proyecto que contiene sus datos, haga doble clic en él.

2 Haga clic en "Stat" de la barra de menú en la parte superior, a continuación, "Regresión", luego "paso a paso". Haga clic dentro de la "Respuesta" cuadro de texto, haga doble clic en la variable de respuesta por parte de la lista a la izquierda. A continuación, haga clic dentro de la caja "predictores" y haga doble clic en todas sus variables de predicción.

3 Haga clic en el botón de "Métodos", a continuación, haga clic en el botón de radio "eliminación hacia atrás". Haga clic en "OK" para salir de la ventana de métodos, a continuación, en "Aceptar" de nuevo para ejecutar la regresión múltiple.

4 Ir a la ventana de "sesión" para ver los resultados. Va a ver una serie de columnas. La fila superior está marcado como "paso", ya su derecha están columnas que representan los pasos en el proceso de eliminación contados. El primer paso siempre incluye todas las variables, por lo que mira abajo esta columna, se ve que cada predictor tiene a su valor y el valor de p. Busque en la columna y encontrar el uno con el valor más alto p.

5 Compruebe si hay una segunda columna, denominada simplemente "2." Si no está presente, esto significa que todas las variables son inferiores al nivel de eliminación. Todos ellos son predictores estadísticamente significativos de su criterio. Si usted tiene una columna dos, tenga en cuenta que la variable con el valor p más alto de la columna no está presente. Esto se debe a que no predice de manera significativa la variable de respuesta.

6 Analiza abajo de la última columna de los resultados. Si la última columna de un número es mayor que el número de variables que ha reunido, es porque ninguna de sus variables predicen la variable de respuesta. Tenga en cuenta que la entrada para "R-Sq (adj)" en la fila inferior es cero o cercano a cero. De lo contrario, las variables que tienen entradas en la columna final son los que contribuyen al modelo final. Ir a la parte inferior, y marca "R-Sq (adj)." Esto le indica que el modelo se correlaciona fuertemente con el criterio.