使用多元回归算法调用 ATT 预测引擎

多元回归可用于基于两个或以上变量预测一个变量的值。该算法使用定义的自变量对预测引擎的因变量（历史和预测）生成回归分析。

当 Default Algorithm = Multiple Regression 时调用 ATT 预测引擎并为选定货品和库位生成事件预报所需的条件：

• 根据标准流程，检索各个货品或库位的历史及屏蔽数据，并传递到预测引擎。
• 必须清除根据其他算法传递到引擎的、映射到每个货品和库位的这些异常的度量：
  • 无效统计
  • 废弃
  • 界外值
  • 短历史
  • 步骤更改
  • 跟踪信号
• 映射到指定预测引擎的自变量充当额外的输入。因此，将检索传递到引擎（对于每一个映射的自变量度量）的适当方案值。
  • 所有自变量的历史范围的值都将传递。历史长度必须与因变量数据相同。
  • 所有自变量的未来范围的值都将传递。预测长度必须与预测范围相同。
  注意：其他参数根据标准流程进行传递。

根据预测引擎度量映射设置，检索来自预测引擎结果集的适当结果，并应用到应用程序的方案值。返回预测数据，并根据其他算法加以处理。引擎也将返回特定于多元回归算法的其他结果：

• 生成与各个自变量对应的 β 系数、t 平方和 t 平方 P 值。不过，因为截距的原因，将生成一个额外的元素（回归因子）。每个结果数组中的第一个值对应于截距，必须写入到相关的映射度量（若已定义）。其他值按照传递的自变量顺序进行写入。
• 生成与各个自变量对应的方差膨胀因子。
  • 因子和自变量的数量相同。这些因子按照传递的自变量顺序进行返回。
  • 等同于方差膨胀因子的截距不适用。
• 若有定义，特定于多元回归算法的其他结果将写入到对应的映射度量，如 R 平方、调整 R 平方、F 统计量和 F 统计量 P 值等。
• 也返回 regressionStandardDeviation。若已定义，这将写入到映射的“标准差”度量。
• 所有结果都是静态的（与时间无关），写入到 PCONST 常数。

除了本主题中所列的以外，所有基于映射到引擎的其他结果都按照其他算法进行处理。