True に設定すると、この効果に関連する追加の詳細を示すテーブルが要求されます。

FALSE に設定すると、最後の停止ステップからの情報を無視します。

True に設定すると、パラメーター推定値の上限と下限の信頼限界が表示されます。

モデルの応答変数として使用する 1 つ以上の変数を指定します。すべてのモデルが複数の応答変数をサポートしているわけではありません。

モデルを定義する効果のリストを指定します。このリストの各項は、vars パラメーターで指定された変数とその交互作用 (NONE、CROSS、BAR) で構成されます。交互作用が BAR の場合、maxInteract パラメーターによって制限されます。

effect の値は次のいずれかになります:

追加変数を指定します。

指定した選択方法の選択プロセスの開始時に含める効果を指定します。含まれる効果は、選択プロセス中に削除されることはありません。n を指定した場合 (n は正の整数)、含まれる効果はモデル仕様の最初の n 個の効果で構成されます。

effect の値は次のように指定されます:

True に設定すると、余分なモデル効果を使用して、欠損値をモデル化します。これらの効果は、効果に関与する連続モデル変数の値が欠落値である場合は値 1 をとり、それ以外の場合は値 0 をとるダミー変数から構成されます。元のモデル効果の欠損値は、非欠損値の効果の平均値に置き換えられます。分類変数の場合、欠損値は有効なレベルとして扱われます。

True に設定すると、モデルに切片項は含まれません。

True に設定すると、オブザベーションが 1 件のみの場合のエラーメッセージを非表示にします。

リッジ回帰のリッジ定数値を指定します。

True に設定すると、Type III の平方和に基づいてモデルの分散分析を実行します。

FORWARD、FORWARDSWAP、STEPWISE 選択法で選択プロセスを開始するために使用する効果を指定します。n を指定した場合 (n は正の整数)、開始モデルはモデル仕様の最初の n 個の効果で構成されます。

effect の値は次のように指定されます:

True に設定すると、標準化回帰係数が生成されます。標準化回帰係数は、パラメーター推定値を、回帰子の標本標準偏差に対する従属変数の標本標準偏差の比率で除算することによって計算されます。

True に設定すると、推定値のトレランスが生成されます。変数のトレランスは 1 - R2 乗として定義されます。R2 乗は、モデル内の他のすべての回帰子の変数の回帰から取得されます。

True に設定すると、パラメーター推定値を使用して分散拡大因子が生成されます。分散拡大はトレランスの逆数です。

交差積

Scaled 交差積

Unscaled 交差積

Cook の D 影響統計量に名前を指定します。

入力テーブルから出力テーブルにコピーされる 1 つ以上の変数のリストを指定します。代わりに、すべての変数、モデリングで使用されるすべての変数、またはすべての数値変数を入力テーブルから出力テーブルにコピーする値 ALL、ALL_MODEL、またはALL_NUMERIC を指定することもできます。

ベータの共分散に対するオブザベーションの標準影響度に名前を指定します。COVRATIO 統計量は、i 番目のオブザベーションを削除して、推定値の共分散行列の行列式の変化を測定します。

i 番目のオブザベーションの予測値の変化の尺度を指定し、i 番目のオブザベーションを削除して計算します。大きな値は、オブザベーションが X 空間の近傍で非常に影響力があることを示します。

オブザベーションのてこ比に名前を付けます。

個々の予測の信頼区間の下限に名前を指定します。

従属変数の期待値の信頼区間の下限を指定します。

尤度変位に名前を指定します。

予測値に名前を指定します。出力統計量を指定しない場合、デフォルトで予測値には Pred という名前が付けられます。

i 番目の残差を 1-h で割ったものに名前を指定します。h はてこ比で、i 番目のオブザベーションなしでモデルを再当てはめしたものを表します。

ACTUAL から PREDICTED を引いた値として計算された残差に名前を指定します。

オブザベーションの学習、検証、テストの役割を識別します。

現在のオブザベーションが削除された Student 化残差に名前を指定します。

個々の予測値の標準誤差に名前を指定します。

平均予測値の標準誤差に名前を指定します。

残差の標準誤差に名前を指定します。

残差を標準誤差で割った Student 化残差に名前を指定します。

個々の予測の信頼区間の上限に名前を指定します。

従属変数の期待値の信頼区間の上限を指定します。

データのパーティション分割に使用される乱数生成器で使用するシードを指定します。

入力テーブルの指定された比率のオブザベーションをテストの役割にランダムに割り当てます。テストと検証のパラメーターで指定されている分数の合計は 1 より小さくなければなりません。

入力テーブルの指定された比率のオブザベーションを検証の役割にランダムに割り当てます。テストと検証のパラメーターで指定されている分数の合計は 1 より小さくなければなりません。

テストの役割にオブザベーションを割り当てるために使用される変数のフォーマットされた値を指定します。

学習の役割にオブザベーションを割り当てるために使用される変数のフォーマットされた値を指定します。学習パラメーターを指定しないと、テストと検証パラメーターによって役割が決定されないすべてのオブザベーションは、学習に割り当てられます。

検証の役割にオブザベーションを割り当てるために使用される変数のフォーマットされた値を指定します。

True に設定すると、LASSO 法の各係数に適応重みが適用されます。

総当たり選択を実行するためのオプションを指定します。

bestOptions の値は次のいずれかになります:

詳細レベル ALL が指定されている場合、選択プロセスの各ステップで表示する候補の最大数を指定します。

モデルを選択するための基準を指定します。指定した基準は、選択プロセスの各ステップで評価され、最適な基準値をもたらすモデルが選択されます。

True に設定すると、モデルに現在ある効果が削除される、またはモデルにまだない効果が追加される、すべてのモデルの選択基準を(段階的選択時に)評価します。モデルからの削除またはモデルへの追加が、選択基準に最大の改善をもたらす効果を削除または追加します。

選択プロセスについて生成する詳細レベルを指定します。

Elastic Net 選択法の実行に使用するオプションを指定します。

enOptions の値は次のいずれかになります:

True に設定すると、Elastic Net 選択法でベータにスケーリングが適用されます。

Elastic Net 選択法で使用する反復回数を指定します。

Folded Concave Penalized (FCP) 選択法を実行する際に使用するオプションを指定します。

fcpOptions の値は次のいずれかになります:

適応重みを形成する際にパラメーターに適用されるべき乗変換の指数を指定します。

モデル階層要件を適用するかどうか、および適用する方法を指定します。モデル階層とは、モデルに含まれるすべての項に対して、その項に含まれるすべてのモデル効果がモデルに存在しなければならないという要件を指します。

Relaxed LASSO 法の係数を指定します。

Elastic Net 選択法で L2 パラメーターを指定します。

Elastic Net 選択法で L2 パラメーターを検索する際に使用する上限を指定します。

Elastic Net 選択法で L2 パラメーターを検索する際に使用する下限を指定します。

True に設定すると、LAR または LASSO 法のハイブリッドバージョンを指定します。モデルのシーケンスは LAR または LASSO 法によって決定されますが、任意のステップでのモデルのパラメーター係数は最小 2 乗法を使用して決定されます。

選択プロセス中に考慮するモデルの最大効果を指定します。このパラメーターは変数減少法では無視されます。

実行する選択ステップの最大数を指定します。

モデル選択の方法を指定します。

変数減少法の際に考慮するモデルの効果の最小数を指定します。

True に設定すると、モデルに追加された順序でパラメーター推定値テーブルの効果が表示されます。

True に設定すると、選択診断プロットの作成に使用できる coefficientProgression と selectionSummaryForPlots テーブルが生成されます。

True に設定すると、Relaxed LASSO 法が適用されます。

選択法の各ステップで効果が追加または削除される順序を決定する際に使用する基準を指定します。このパラメーターは、LAR または LASSO 選択には適用されません。

有意水準が選択基準または停止基準として使用された場合の追加の有意水準を指定します。

有意水準が選択基準または停止基準として使用された場合の削除の有意水準を指定します。

選択プロセスを停止するために使用する基準を指定します。停止基準を指定しない場合、モデルを選択するために使用される基準も停止基準として使用されます。

極値を検出するために、停止基準を悪化させる必要がある連続するステップの数を指定します。