判別分析ノードのステップ関連のオプション

これらのオプションで、ステップワイズ推定方法を使用したフィールドの追加のための方法と基準を制御できます。

方法: 新しい変数を投入または削除する際に使用される統計方法を選択します。有効な選択肢は、Wilks のラムダ、解明不明の分散、Mahalanobis の距離、最小 F 比率、Rao の V です。 Rao の V を使用すると、投入する変数に対して V 単位の最小増分を指定することができます。

• Wilks のラムダ: ステップワイズ判別分析における変数選択法の 1 つ。 変数が Wilks のラムダを低下させる程度に基づいて式に投入する変数を選択します。各ステップでは、Wilks のラムダが最小になる変数を投入します。
• 解明不明の分散: 各ステップで、 グループ間の説明されない分散の合計を最小化する変数を投入します。
• Mahalanobis の距離: 独立変数のケースの値と全ケースの平均との差異の程度を示す指標。マハラノビスの距離が大きい場合は、 ケースにおいて 1 つ以上の独立変数に極値が存在することを示します。
• 最小 F 比率: グループ間のマハラノビスの距離から計算した F 比の最大化に基づく、 ステップワイズ分析での変数選択法。
• Rao の V: グループ平均値の差の指標。Lawley-Hotelling のトレースとも呼びます。各ステップで、Rao の V における増加を最大化する変数を投入します。このオプションを選択した後、 分析に投入する変数が持つべき最小値を入力してください。

「基準」。有効な選択肢は、「ステップワイズのための F 値」と「ステップワイズのための F 値確率」です。変数の投入用の値と削除用の値を入力します。

• ステップワイズのための F 値: F 値が「投入」の値より大きい場合に変数をモデルに投入し、 「削除」の値より小さい場合に変数を除去します。「投入」は「削除」より大きくなければならず、 いずれの値も正でなければなりません。さらに多くの変数をモデルに投入するには、 「投入」の値を下げてください。さらに多くの変数をモデルから除去するには、 「除去」の値を上げてください。
• ステップワイズのための F 値確率: F 値の有意水準が「投入」の値より小さい場合に変数をモデルに投入し、 有意水準が「削除」の値より大きい場合に変数を除去します。「投入」は「削除」より小さくなければならず、 いずれの値も正でなければなりません。さらに多くの変数をモデルに投入するには、 「投入」の値を上げてください。さらに多くの変数をモデルから除去するには、 「除去」の値を下げてください。