Options de l'estimation de la régression

La méthode de régression estime les valeurs manquantes à l'aide de plusieurs régressions linéaires. La moyenne, la matrice de covariance et la matrice de corrélation des prévisions sont affichées.

Ajustement de l'estimation : La méthode de régression peut ajouter un composant aléatoire aux estimations de la régression. Vous pouvez sélectionner résidus, variables aléatoires normales, t de Student ou aucun ajustement.

  • Résiduels. Les termes d'erreur sont choisis de manière aléatoire à partir des résidus observés de l'ensemble des observations à ajouter aux estimations de la régression.
  • Variables aléatoires normales. Les termes d'erreur sont choisis de façon aléatoire à partir d'une distribution contenant une valeur minimum attendue de 0 et un écart type égal à la racine carrée du terme d'erreur quadratique moyenne de la régression.
  • Variables aléatoires t de Student. Les termes d'erreur sont choisis de manière aléatoire à partir de la distribution t, et redimensionnés par l'erreur quadratique de la moyenne des carrés (RMSE).

Nombre maximum de prédicteurs : Fixe une limite maximale pour le nombre de prédicteurs (indépendantes) utilisés dans le processus d'estimation.

Enregistrer les données complétées : Ecrit un jeu de données dans la session en cours ou un fichier de données IBM® SPSS® Statistics externe, avec des valeurs manquantes remplacées par des valeurs estimées par la méthode de régression.

Spécifier les options de régression

Cette fonction nécessite l'option Valeurs manquantes.

  1. A partir des menus, sélectionnez :

    Analyser > Analyse des valeurs manquantes ...

  2. Dans la boîte de dialogue principale Analyse des valeurs manquantes, sélectionnez les variables pour lesquelles vous souhaitez estimer les valeurs manquantes à l'aide de la méthode de régression.
  3. Sélectionnez Régression dans le groupe Estimation.
  4. Pour spécifier les variables dépendantes (prévues) et de prédicteurs, cliquez sur Variables. Pour plus d'informations, voir la rubrique Variables prédictives et prédicteurs .
  5. Cliquez sur Régression.
  6. Sélectionnez les options de régression de votre choix.