逐步选择变量

注意：“逐步选择变量”不适用于“宽线性”方法。

若您在启动窗口中选择了“逐步选择变量”选项，打开“判别分析”报表时会显示“列选择”面板。您可以执行逐步分析，使用按钮选择变量或使用“锁定”和“已进入”复选框手动选择它们。根据您的选择会更新 F 比和 p 值。有关如何更新这些值的详细信息，请参见更新“F 比”和“概率>F”。

若指定任何类型的验证集，则会显示“执行”按钮。当您点击“执行”时，JMP 使用验证集统计量来确定要执行的步骤数。

图 5.4 Iris.jmp 具有验证集的“列选择”面板 

更新“F 比”和“概率>F”

当您在模型中输入变量或删除变量时，会根据对具有以下结构的协方差模型的分析更新“F 比”和“概率>F”值：

• 考虑之中的协变量为响应变量。

• 已进入模型的协变量为预测变量。

• 组变量为预测变量。

“逐步”报表中给出的“F 比”和“概率>F”值是组变量的协方差分析检验的 F 比和 p 值。组变量的协方差分析检验是它相对于考虑之中的协变量的判别能力的指示符。

统计量

进入列

当前已选择进入判别模型的列数。

退出列

当前可以进入判别模型的列数。

进入的最小 p 值

所有可以进入模型的协变量的 p 值中最小的那个 p 值。

删除的最大 p 值

在当前已选择进入模型的所有协变量的 p 值中最大的那个 p 值。

验证熵 R 方

验证集的熵 R 方。值越大表示拟合效果越好。“熵 R 方”的值为 1 表示分类预测完美。由于判别模型的预测概率的不确定性很典型，因此“熵 R 方”值往往很小。

请参见熵 R 方。仅当使用验证集时才可用。

注意：“验证熵 R 方”可能为负数。

验证误分类率

验证集的误分类率。值越小表示分类效果越好。仅当使用验证集时才可用。

按钮

前进

使尚未进入的协变量中最显著的协变量进入。若使用了验证集，则“概率>F”值基于训练集。

后退

从已进入但是未锁定的协变量中删除最不显著的协变量。若使用了验证集，则“概率>F”值基于训练集。

全部进入

通过选中在“已进入”列中未锁定的所有协变量来使所有协变量进入。

全部删除

通过在“已进入”列中取消选择未锁定的所有协变量来删除它们。

应用该模型

基于在“已进入”列中选中的协变量生成判别分析报表。关闭“选择列”分级显示项，并更新“判别分析”窗口来基于选定的判别方法显示分析结果。

提示：在点击应用该模型后，您选择的列将显示在“得分汇总”报表的顶部。

执行

在前进步中使协变量进入，直到“验证熵 R 方”开始减小。当执行两个前进步而未改进“验证熵 R 方”时终止进入。仅当在 JMP 中具有排除行或在 JMP Pro 中具有验证列时可用。

列

锁定

强制协变量保持当前状态而不管使用按钮执行的任何步进操作。

请注意以下几点：

‒ 若您使一个协变量进入然后为它选择锁定，则它仍留在模型中而不管使用控件按钮所做的选择。已锁定的协变量的已进入框显示变暗的选中标记，以指示它在模型中。

‒ 若您为未进入的协变量选择了锁定，则它不进入模型而不管使用控件按钮所做的选择。

已进入

指示哪些列当前在模型中。您可以手动选择进入或退出模型的列。变暗的选中标记指示已进入模型的锁定的协变量。

列

关注的协变量。

F 比

使用协方差分析模型获得的组变量检验的 F 比。请参见更新“F 比”和“概率>F”。

概率 > F

使用协方差分析模型获得的组变量检验的 p 值。请参见更新“F 比”和“概率>F”。

逐步示例

为了说明如何使用“逐步”，我们使用了 Iris.jmp 样本数据表。

1. 选择帮助 > 样本数据库，然后打开 Iris.jmp。

2. 选择分析 > 多元方法 > 判别。

3. 选择萼片长度、萼片宽度、花瓣长度和花瓣宽度，然后点击 Y，协变量。

4. 选择物种并点击 X，类别。

5. 选择逐步选择变量。

6. 点击确定。

7. 点击前进三次。

三个协变量进入模型。“进入的最小 p 值”显示在顶部面板。它的值为 0.0103288，指示剩余协变量萼片长度在物种的判别分析模型中也可能是很有用的。

图 5.5 Iris.jmp 的逐步模型 

8. 点击应用该模型。

“列选择”分级显示项关闭。根据进入的协变量和您选择的判别方法，窗口更新以显示拟合的报表。

请注意，您为模型选择的协变量在“得分汇总”报表顶部列出。

图 5.6 显示所选协变量的“得分汇总”报表