Regressione multipla è un metodo utilizzato per prevedere una certa variabile utilizzando un modello statistico costituito da altre variabili. Ci sono diverse varietà di regressione multipla, uno dei quali è indietro selezione, anche noto come indietro eliminazione. Questa tecnica mette tutte le potenziali variabili nel modello in una sola volta quindi confronta quello con il potere meno predittivo contro un dato "livello di rimozione", utilizzando un procedimento statistico chiamato un "test di t." Se la variabile è sopra il livello di rimozione, viene eliminato e il modello viene ricalcolato. Questo processo continua finché tutte le restanti variabili sono sotto il livello di rimozione.

Istruzioni

1

Aprire Minitab, fare clic su "File" e scegliere "Apri progetto." Individuare il file di progetto contenente i tuoi dati, quindi fare doppio clic su esso.

2

Fare clic su "Stat" dalla barra dei menu al top, poi "Regressione", poi "Stepwise." Fare clic all'interno della casella di testo "Risposta", quindi fare doppio clic la variabile di risposta dall'elenco a sinistra. Fare clic all'interno della casella "Predittori" e fare doppio clic su tutte le variabili del preannunciatore.

3

Fare clic sul pulsante "Metodi", quindi fare clic sul pulsante radio "Backwards eliminazione". Fare clic su "OK" per uscire dalla finestra di metodi, quindi "OK" ancora una volta per eseguire la regressione multipla.

4

Passare alla finestra di "Sessione" per vedere i risultati. Si vedrà un numero di colonne. La riga superiore è etichettata "Passo", e alla sua destra sono colonne numerate che rappresentano le fasi del processo di eliminazione. Uno step include sempre tutte le variabili, così guardando giù questa colonna, si vede che ogni predictor ha un valore di t e un valore di p. La colonna di scansione e trovare quella con il più alto valore di p.

5

Verifica se c'è una seconda colonna, denominata semplicemente "2". Se non è presente, ciò significa che tutte le variabili sono sotto il livello di rimozione. Essi sono tutti statisticamente significativi predittori di vostro criterio. Se si dispone di una colonna due, si noti che la variabile con il valore più alto di p da colonna uno non è presente. Ecco perché esso non significativamente predice la variabile di risposta.

6

Scansione verso il basso l'ultima colonna nei risultati. Se l'ultimo numero di una colonna è superiore al numero delle variabili che hai inserito, è perché nessuno delle variabili predire la variabile di risposta. Si noti che la voce per "R-Sq(adj)" nella riga inferiore è zero, o vicino a zero. In caso contrario, le variabili che contengono voci nella colonna finale sono quelle che contribuiscono al modello finale. Vai in fondo e controllare "R-Sq(adj)." Questo vi dice che il modello correla fortemente con il criterio.