全国服务热线:400-777-6907

网站首页 学习分享 六西格玛管理文章> 精益六西格玛

精益六西格玛--什么是向前选择法?

作者:精益六西格玛咨询顾问    分类:精益六西格玛    时间:2021-06-10 10:01:50

如果说Minitab是武功,那统计学和数学基础就是心法。


光练武功不行,就像PPT,EXCEL 各种制图软件每个选项的功能都知道了,但你作出漂亮的报表,作出优美的作品吗?


Minitab每个步骤都知道怎么操作了?


但分析出来结果了,你知道要看哪些信息吗?这些信息含义是什么吗?这些信息代表的含义是什么吗?为什么要看这些信息吗?


所以光学武功,或者光学心法都不行。


精益六西格玛--什么是向前选择法?


这就让我想起当时大学学计算机各种课程,什么计算机结构,网络,算法与结构,数据库,写了几年C语言。


最后还是啥都干不了,最后连一个网页也做不了。


但最近几年有学了很多编程语言,但又觉得这些基础(心法反而更重要)!


所以内外双修,才可以称霸天下。这和练武功真的是一模一样的道理。


我们说回以上问题:


问:向前选择是什么意思?


它是从模型中没有自变量开始,然后按下面步骤选择自变量来拟合模型。


第一步:对k个自变量(x1,x2,,,,,xk)分别拟合与因变量y的一元线性回归模型,一共就有K个。


然后找出F统计量的值最大的模型和x, 将其引入模型。


第二步:在已经引入模型的xi 基础上,再分别拟合引入模型外的k-1个自变量(x1,,,,,xi-1,xi+1,,,,,xk)的线性回归模型。


则自变量组合为xi+x1,,,,xi+xi-1,xi+xi+1,,,xi+xk 的k-1个线性回归模型


然后分别考察这k-1个线性模型,挑选出F统计量的值最大的含有两个自变量的模型,将F统计量的值最大的那个自变量xj引入模型。


如果除xi以外的K-1个自变量中没有一个是统计上显著的,则运算停止。


如此反复,直到模型外的自变量均无统计显著性为止。


向前选择变量的方法是不停地向模型中增加自变量,直到增加自变量不能导致SSE显著增加(这个过程通过F检验来完成)。


查看更多请点击-->:精益六西格玛

回到顶部