regressão múltipla é um método usado para prever uma determinada variável usando um modelo estatístico feito de outras variáveis. Existem diversas variedades de regressão múltipla , uma das quais sendo de selecção para trás , também conhecidas como a eliminação para trás . Esta técnica coloca todas as variáveis ​​possíveis para o modelo de uma só vez , em seguida, compara aquele com o menor poder preditivo contra um determinado "nível de remoção ", usando um procedimento estatístico chamado de "teste de t. " Se a variável está acima do nível de remoção , é eliminado eo modelo é recalculada. Esse processo continua até que todas as demais variáveis ​​estão sob o nível de remoção. Instruções
1

Abrir Minitab , clique em "Arquivo " e clique em " Open Project ". Procure o arquivo de projeto que contém seus dados, em seguida, clique duas vezes nele .
2

Clique em " Dados " na barra de menu na parte superior , em seguida, " Regressão ", depois " Stepwise ". Clique dentro da "Resposta " text -box , em seguida, clique duas vezes em sua variável de resposta a partir da lista à esquerda . Em seguida, clique dentro da caixa " Preditores " e clique duas vezes em todas as suas variáveis ​​de previsão .
3

Clique no botão " Métodos " , depois clique no botão " eliminação para trás " . Clique em " OK" para sair da janela de métodos , em seguida, em "OK" novamente para executar a regressão múltipla.
4

Vá até a janela " Session " para ver os resultados. Você verá um número de colunas. A linha superior é rotulado de " Passo ", e à sua direita são colunas que representam as etapas do processo de eliminação contados. O primeiro passo sempre inclui todas as variáveis ​​, de modo que olhando para esta coluna , você vê que cada preditor tem pelo valor e valor de p . Digitalização da coluna e encontrar aquele com o maior valor de p.
5

Verifique se existe uma segunda coluna , chamado apenas "2. " Se ele não estiver presente, isso significa que todas as suas variáveis ​​são abaixo do nível de remoção . Eles são todos preditores estatisticamente significativos de seu critério. Se você tiver uma coluna dois, note que a variável com o maior valor de p da coluna não está presente. Isso é porque ele não prediz significativamente a variável resposta .
6

varrer para baixo a última coluna em seus resultados. Se a última coluna um número é maior do que o número de variáveis ​​que você entrou , é porque nenhuma das suas variáveis ​​de predizer a variável resposta . Note-se que a entrada para " R- Sq ( adj ) " na linha de baixo é zero, ou próximo de zero. Caso contrário , as variáveis ​​que têm entradas na coluna final são os que contribuem para o modelo final . Vá até o fundo e marque a opção " R- Sq ( adj ) . " Isto diz-lhe que o modelo se correlaciona fortemente com o critério.