Измените пошаговое состояние выбора для заданных условий
[S, model] = StepwiseRegression(model, optional toggleTerms)
Это - метод mbcmodel.model, для линейных моделей только. Этот метод возвращает таблицу Stepwise (как в Пошаговых значениях для ParameterStatistics). Не учтите toggleTerms получить текущие Пошаговые значения. Можно принять решение удалить или включать использование параметров StepwiseRegression, пока их StepwiseStatus является Step.
Пошаговые возвращенные значения совпадают с найденными в таблице в Пошаговом графический интерфейсе пользователя. Для каждого параметра столбцы: значение коэффициента, стандартная погрешность коэффициента, t значения и Затем НАЖИМАЮТ (значение НАЖАТИЯ, если состояние этого термина изменяется в следующей итерации). Ищите самое низкое Следующее НАЖАТИЕ, чтобы указать, какие условия переключить для того, чтобы улучшить предсказательную силу модели.
Вызовите StepwiseRegression, чтобы переключиться между in и out для конкретных параметров. toggleTerms может быть или индекс, который задает, какие параметры переключить, или массив или логический, где истинное значение указывает, что переключатель должен произойти. Пример, показанный параметр переключателей 4, после контроля Следующего столбца НАЖАТИЯ, указывает, что изменение состояния этого термина приведет к самому низкому НАЖАТИЮ. StepwiseRegression возвращает новые Пошаговые значения после переключения параметра.
После внесения изменений в использование модели StepwiseRegression необходимо вызвать UpdateResponse.
Используйте StepwiseStatus (на дочернем объекте modelparameters), чтобы видеть, какие параметры имеют состояние Step; они могут быть переключены между in и out использование StepwiseRegression (на объекте родительской модели).
Используйте StepwiseSelection (на дочернем объекте modelparameters), чтобы просмотреть, какими условиями является in и out, как показано в примере.
[S, knot] = StepwiseRegression(knot)
S =
1.0e+003 *
0.1316 0.0606 0.0200 NaN
0.0000 0.0000 0.0200 2.0919
0.0000 0.0000 0.0190 0.2828
-0.0000 0.0000 0.0190 0.2531
0.0000 0.0000 0.0190 0.2680
-0.0551 0.0347 0.0200 0.2566
0.0919 0.0264 0.0200 0.3672
-0.0040 0.0023 0.0200 0.2564
-0.0178 0.0095 0.0200 0.2644
0.0008 0.0004 0.0200 0.2787
[S, knot] = StepwiseRegression(knot, 4)
S =
129.8406 60.1899 19.0000 NaN
0.0048 0.0008 19.0000 662.3830
0.0000 0.0000 18.0000 290.8862
-0.0021 0.0019 19.0000 245.9833
0.0001 0.0002 18.0000 281.4104
-50.4091 34.7401 19.0000 262.8346
94.9675 26.3690 19.0000 400.6572
-4.0887 2.2488 19.0000 262.6588
-17.9412 9.4611 19.0000 276.7535
0.8229 0.3734 19.0000 292.0827
params = knot.Parameters;
N = params.StepwiseSelection
N =
'in'
'in'
'out'
'in'
'out'
'in'
'in'
'in'
'in'
'in'
>> StepwiseRegression(knot, 4);
params = knot.Parameters;
N = params.StepwiseSelection
N =
'in'
'in'
'out'
'out'
'out'
'in'
'in'
'in'
'in'
'in'