計画を解析の逐次回帰
概要
計画を解析では、以下の計画で逐次回帰を使用できます。逐次回帰では、項の追加と削除を繰り返しながら、最適な項の組み合わせを特定します。
- 決定的スクリーニング計画
- 因子計画
- 応答曲面計画
- 混合計画
Originは逐次回帰のための4つの選択方法を提供しています。
| 手法 | 開始モデル | 方向 | 適している場合 |
|---|---|---|---|
| なし | 完全モデル | 選択なし | 小規模な計画、すべての項が有意な場合 |
| ステップワイズ | 空のモデルまたは基本モデル | 前方+後方 | スクリーニング、適合度と簡潔さのバランスを取りたい場合 |
| 前方選択 | 空のモデル | 追加のみ | 候補となる項が多く、実際に重要な項が少ない場合 |
| 後方選択 | 完全モデル | 削除のみ | ほぼ完全なモデル、有意でない項が少ない場合 |
手法の選択
なし
指定されたすべての項を含む完全モデルをあてはめます。項の自動選択は行いません。
ステップワイズ
前方選択と後方選択を組み合わせたハイブリッドアプローチです。統計的有意性に基づいて項を1つずつ追加し、各ステップで、すでに追加されている項についても削除するかどうかを再評価します。
動作
- 項を含まないモデル（または初期モデル）から開始します。
- 現在モデルに含まれていないすべての候補項を評価します。追加基準値を下回るp値を持つ項のうち、最も有意な項を追加します（通常、α = 0.15または0.10）。
- 項を追加するたびに、モデルに含まれるすべての項を再評価します。p値が削除基準値を超える項を削除します（通常、α = 0.15または0.20）。
- 追加基準を満たす項がなくなり、モデル内のすべての項が削除基準を満たすまで、手順2-3を繰り返します。
前方選択
空のモデル（または基本モデル）から開始し、項を1つずつ追加してモデルを構築します。項の追加のみを行い、一度モデルに追加された項は削除されません。
動作
- 項を含まないモデル（または指定した基本項を含むモデル）から開始します。
- モデルに含まれていないすべての候補項を評価します。追加基準値を下回るp値を持つ項のうち、最もp値が小さい項を追加します。
- 追加基準を満たす候補項がなくなるまで、手順2を繰り返します。
使用する場合
有意な項が全体の一部だけであると考えられ、モデルを段階的に構築したい場合に前進選択を使用します。計算効率が高く、実験回数に対して候補となる項の数が多い場合に適しています。
後方選択
指定されたすべての項を含む完全モデルから開始し、統計的有意性に基づいて項を1つずつ削除します。削除のみを行い、一度削除された項は再びモデルに追加されません。
動作
- モデル項セクションで指定したすべての項を含むモデルから開始します。
- モデル内のすべての項を評価します。削除基準値を超えるp値を持つ項のうち、最もp値が大きい項を削除します（通常、α = 0.10または0.15）。
- 残ったすべての項のp値が削除基準値を下回るまで、手順2を繰り返します。
ダイアログオプション
| 手法 | 逐次回帰の方法を選択します。
|
|---|---|
| 追加のAlpha | モデルに項を追加するための有意水準です。候補項のp値がこの値を下回る場合にのみ、モデルに追加されます。 |
| 削除のAlpha | すでにモデルに含まれている項を削除するための有意水準です。項のp値がこの値を超える場合、モデルから削除されます。 |
| 階層モデル |  このオプションは混合計画の分析では使用できません。
最終モデルでモデル階層の原則を適用するかどうかを指定します。高次項（交互作用や2次項）がモデルに含まれる場合、それに対応する低次項（主効果）も含める必要があります。
|
| モデル選択の詳細を表示 | 選択処理の各ステップの詳細を出力に表示します。 |
逐次回帰の結果
ステップワイズ表
ダイアログでモデル選択の詳細を表示チェックボックスが選択されている場合、レポートシートに以下のステップワイズ表が表示されます。
効果プロット
効果プロットのデフォルトのアルファ水準は0.05です。ステップワイズ法を使用してモデルを選択した場合は、逐次回帰で指定したアルファ水準が代わりに使用されます。
- なし：alpha = 1 − 信頼水準
- ステップワイズ：alpha = 削除するアルファ
- 前方：alpha = 追加するアルファ
- 後方：alpha = 削除するアルファ