ステップワイズ回帰「一致」こんにちは、
ステップワイズ回帰があり、モデルをデータベースに保存すると、次の結果が得られます。
どういう意味ですか ？ 確かに、私は変数内の同じモダリティに対していくつかの係数を持っており、それは私を「一致」させます。 たとえば、モダリティ「39」には「1」と「-1」の2つの係数があります。
「マッチ」とは何ですか？
ご協力ありがとうございました
アナリティクスRe：ステップワイズ回帰の「一致」これについては少し説明しますが、データファイルのスナップショットを添付しておくと役に立ちます。あなたの変数Semのようです。 fabはJMPによって2つのビンにグループ化されました-いくつかの値には+1が割り当てられ、他の値には-1が割り当てられました。段階的モデルは、モデルで「最もよく機能する」グループに従って名目変数をグループ化すると思います。したがって、この変数は2つのグループに分割されているように見えます。Semの場合、それは問題ありません。 fabは実際には名目上の変数です（たとえば、製造された部品の2つの指定されたグループを参照していると思います）。数値があるのでわかりません。実際に連続測定である場合は、データ型を変更してそのようにモデル化する必要があります。
それが名目変数であると仮定すると、モデルは単純に2つの定数値を推定します。1つはグループの1つ、もう1つはもう1つのグループです。したがって、モデルは、どのグループに属しているかに応じて、切片+/-と定数値を予測しています。これは、ステップワイズ回帰がこのデータを調べるための最も有用な方法ではないことを私に示唆しています。それぞれが予測値を持つ2つの観測グループがあるように見えるので、もう少し探索的なグラフィカル分析を行うことをお勧めします。モデル化する他の説明変数はありませんか？2つの予測された連続結果と1つの名目変数（2つの観測グループを識別する）を使用すると、単純なt検定で十分な場合があります。
Re：ステップワイズ回帰の「一致」これは、チーズの品質を表す「Quality」変数を予測するためのロジスティック回帰モデルを作成したいサンプルファイルです。
この例では、6つの変数のみを入力しましたが、実際にはもっと多くの変数があります。
ロジスティック回帰モデルを作成する前に、モデルに統合するのに最適な変数を選択するために、ステップワイズ回帰を作成したいと思いました。
しかし、なぜそれが私を可変の年、月、週のいくつかのグループに分けるのか理解できません
確かに、これらは連続的なデジタル変数にすることはできません。正しい形式です。序数デジタル
ご協力いただきありがとうございます
