Os dados a seguir processados no MINITAB resultaram da aplicação dos métodos de eliminação retroativa e de seleção progressiva aos dados sobre a gravidade específica da madeira apresentados no Exercício 56. Para cada método, explique o que ocorreu a cada iteração do algoritmo

Passo 1

E aí pessoal partiu para mais uma questão de (probabilidade)? Abaixo começaremos trazendo algumas informações do enunciado:

Passo para trás:

Passo 1: Um modelo com todas as 5 variáveis é ajustado; o menor t-ratio é t=0,12, associado à variável x 2 (% de fibra de madeira de verão). Como t=.12 x 2 foi eliminada.

Passo 2: Foi ajustado um modelo com todas as variáveis, exceto x 2 . A variável x_4 (absorção de luz da primavera) tem a menor razão t (t=-1,76), cuja magnitude é menor que 2 .

Portanto, x 4 é a próxima variável a ser eliminada.

Passo 3: Um modelo com as variáveis x 3 e x 5 é ajustado. Ambos os t-ratios têm magnitudes que excedem 2, então ambas as variáveis são mantidas e o procedimento de retrocesso pára neste passo. O modelo final identificado pelo método de retrocesso é aquele que contém x_3 e x 5 .

Passo 2

Passo à frente:

Passo 1: Após ajustar todos os 5 modelos de uma variável, o modelo com x 3 teve a t-ratio de maior magnitude (t=-4,82). Como o valor absoluto dessa t-ratio excede 2 , x_3 foi a primeira variável a entrar no modelo.

Passo 2: Todos os 4 modelos de duas variáveis ​​que incluem x 3 foram ajustados. Ou seja, os modelos x 3 , x 1 , { x 3 , x 2 } , x 3 , x 4 , x 3 , x 5 foram todos adequados. De todos os 4 modelos, o t-ratio 2,12 (para a variável x 5 ) foi o maior em valor absoluto. Porque esta t-ratio excede 2, x 5 é a próxima variável a entrar no modelo.

Etapa 3: (não impresso): Todos os modelos de variáveis ​​de árvore possíveis envolvendo x 3 e x 5 e outro preditor. Nenhuma das razões t para as variáveis ​​adicionadas possui valores absolutos que excedem 2 , portanto, nenhuma outra variável é adicionada. Não há necessidade de imprimir nada neste caso, portanto, os resultados desses testes não são mostrados.

Observação; Ambos os métodos de passo para frente e para trás chegaram ao mesmo modelo final, x 3 , x 5 , neste problema. Isso acontece frequentemente, mas nem sempre. Há casos em que os diferentes métodos stepwise chegarão a coleções ligeiramente diferentes de variáveis ​​preditoras.

Resposta

nenhuma outra variável é adicionada. Não há necessidade de imprimir nada neste caso, portanto, os resultados desses testes não são mostrados.

Espero que tenham aprendido com essa questão, até a próxima !

Exercícios de Livros Relacionados