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 .