Multipel regression er en metode, der bruges til at forudsige en bestemt variabel ved hjælp af en statistisk model , der består af andre variabler . Der er flere varianter af multipel regression , hvoraf den ene er baglæns udvælgelse, også kendt som baglæns elimination . Denne teknik sætter alle potentielle variabler i modellen på én gang og derefter sammenligner den med den mindste forudsigende magt over for en given "udsendelse niveau," ved hjælp af en statistisk procedure kaldet en " t-test ". Hvis variablen er over fjernelsen niveau, er det elimineres og modellen genberegnes . Denne proces fortsætter, indtil alle resterende variabler er under fjernelse niveau . Instruktioner
1

Open Minitab , klik på " File" og derefter klikke på "Åbn Project. " Gennemse til projektet fil, der indeholder dine data, så dobbeltklik på den .
2

Klik på " Stat " fra menuen øverst , derefter " Regression " og derefter " Trinvis ". Klik inde i "Reaktion" text -box , derefter dobbeltklikke på dit svar variabel fra listen til venstre . Klik derefter inde i " prædiktorer "-boksen og dobbeltklik på alle dine prediktorvariabler .
3

Klik på " Methods " knappen , og klik derefter på " Backwards elimination " radio-knappen . Klik på "OK " for at forlade metoder vinduet , derefter " OK " igen for at køre multiple regression .
4

Gå til " Session " vinduet for at se dine resultater. Du vil se en række kolonner. Den øverste række er mærket " Step ", og til højre er nummereret kolonner repræsenterer trinene i eliminering. Trin man altid omfatter alle variabler , så ser ned denne kolonne , kan du se , at hver indikator har på værdi og ap værdi. Scan kolonnen og finder den ene med den højeste p-værdi .
5.

Tjek om der er en anden kolonne mærket bare " 2". Hvis det ikke er til stede, betyder det, at alle dine variabler er under fjernelsen niveau . De er alle statistisk signifikante prædiktorer for dit kriterium. Hvis du har en kolonne to, opmærksom på, at variable med den højeste p-værdi fra kolonne man ikke er til stede. Det er fordi det ikke væsentligt at forudsige dit svar variabel.
6

Scan ned den sidste kolonne i dine resultater. Hvis det sidste kolonne et tal er højere end antallet af variabler, du har indtastet, er det fordi ingen af ​​dine variabler forudsige respons variabel. Bemærk at posten for "R- Sq ( adj )" på den nederste række er nul eller tæt på nul. Ellers de variabler , der har indgange i sidste kolonne er dem, der bidrager til den endelige model . Gå til bunden, og tjek "R- Sq ( adj ) . " Det fortæller dig, at modellen stærkt korrelerer med kriteriet .