怎樣使用mintab進行回歸分析-wenkub
2023-07-08 18:10:32 本頁面
【正文】 在圖中X軸上。 默認的輸出設(shè)置，包括上面的輸出方式加上連續(xù)平方和fits and residuals of unusual observations 選項子對話框 執(zhí)行加權(quán)回歸分析參考26頁加權(quán)回歸分析 exclude the intercept term from the regression by unchecking Fit Intercept—see Regression through the origin on page 27 顯示variance inflation因子(VIF共線性影響度量值) 與每個預(yù)測因子相關(guān)參考27頁Variance inflation factor 顯示杜賓瓦特森統(tǒng)計，它是用來檢測殘差的自相關(guān)—參考27頁檢測殘差的自相關(guān) 顯示PRESS統(tǒng)計以及校正的R2。 n store the leverages, Cook’s distances, and DFITS, for identifying outliers—see Identifying outliers on page 29. 存儲 store the mean square error, the (X162。 MINITAB也可以用回歸推理來識別不正常的觀測值，這些觀測值可能對回歸結(jié)果產(chǎn)生很顯著的影響，參考29頁識別OUTLIERS，您可檢驗一下這些異常數(shù)據(jù)看它們是否正確。 選擇殘差類型 您可以計算三各殘差類型，使用下表可以幫助您選擇哪種圖形。 (殘差)/(殘差的標(biāo)準(zhǔn)差) Studentized 識別與關(guān)系模型關(guān)聯(lián)關(guān)系不十分密切的觀測值，刪除影響變量估計及參數(shù)估計的觀測值。 殘差圖 MINITAB可以產(chǎn)生殘差圖這樣您就可以驗證您建立的關(guān)系模型的擬合度，您可以選擇以下殘差圖： 殘差正態(tài)分布圖：如果殘差服從正態(tài)分布，圖中的點將基本形成一條直線。在殘差圖內(nèi)應(yīng)該沒有任何recognizable patterns，以下的幾點可以說明殘差圖是非隨機的： 幾點連續(xù)上升或下降 絕大部分的點是正殘差，或絕大部的點是負殘差。如果某些殘差值被考慮，您可以用刷子工具來標(biāo)識這些值，您可以參考MINITAB使用者指南中Brushing Graphs的章節(jié)。 帶有大變量的觀測值應(yīng)相應(yīng)地加上較小的權(quán)重。 n的矩陣W，權(quán)重列作為矩陣的對角和零點。 ，式中wi為權(quán)重。 變量inflation factor The variance inflation factor (VIF) 用來檢測一個預(yù)測因子和剩下的預(yù)測因子是否有很強的線性關(guān)系(預(yù)測因子中存在多重共線性)。 你應(yīng)該考慮使用選項中的方法來分散預(yù)測因子間的多重共線性： 重新搜集數(shù)據(jù)，刪除預(yù)測因子，使用不同的預(yù)測因子或最小二乘法回歸分析的替代，獲得附加的信息請參考[3], [21].。選定一個模型后檢驗關(guān)系模型的假設(shè)是回歸分析的一個很重要的部分。如果列中有丟失的觀測值，同樣在計算時這些數(shù)據(jù)就會忽略了，僅僅使用沒有丟失的數(shù)據(jù)。 the data subsetting lackoffit test does not require replicates. 如果需要其它信息，請參考[9], [22], [29]. 數(shù)據(jù)子集lackoffit檢驗 MINITAB同樣也可以進行l(wèi)ackoffit檢驗數(shù)據(jù)，其數(shù)據(jù)不需要副本但是要包含數(shù)據(jù)子集。For each predictor, a curvature test and an interaction test are performed by paring the fit above and below the predictor mean using indicator variables(對于每個預(yù)測因子，可以用曲率檢驗和交互檢驗檢驗通過使用指示變量業(yè)比較擬合度是高于并低于預(yù)測因子平均值) 也可以用另一個試驗通過將關(guān)系模與數(shù)據(jù)“中心”部分?jǐn)M合，然后比較中心數(shù)據(jù)誤差平方和所有數(shù)據(jù)誤差平方和。如果輸入了常數(shù)和一列，MINITAB會認為您想要得到常數(shù)和每列數(shù)據(jù)組合的所有預(yù)測值。這三種方法是：Leverages、Cook’s distance,及DFITS Leverages是“hat”矩陣的對角，H = X (X162。MINITAB將這些值在高leverage異常觀測值表中顯示。您可以檢驗兩組數(shù)據(jù)之間的關(guān)系看看是否可由容易獲得數(shù)據(jù)來預(yù)測想要的數(shù)據(jù)。 2. Analysis of Variance Predicted Values for New Observations 選擇的方程擬合方程即為： 其中 叫做被預(yù)測或被擬合值。本例中，p值用來檢驗常數(shù)和斜率是否等于零，因為MINITAB將這些值圓整至小數(shù)點后三位數(shù)，該值表明有足夠的證據(jù)說明在第一類錯誤概率 (a levels)水平下，系數(shù)不等于零， S = ，這是s的估計值， 回歸線標(biāo)準(zhǔn)偏差的估計值。誤差平方各有時也被寫作SS殘差，SSE或RSS。(大標(biāo)準(zhǔn)化殘差)。St Resid是標(biāo)準(zhǔn)化殘差。如果您有想知道新觀測值，使用預(yù)測區(qū)間，參考29新觀測值的預(yù)測。您想檢驗總熱量是否可以通過絕熱體、東、南、北各方向焦點的位置來預(yù)測。 4 In Predictors, enter North South East. Click OK. 回歸分析 ：HeatFlux VS East, South, North 回歸方程： HeatFlux = 389 + East + South Nort
畢業(yè)設(shè)計相關(guān)推薦
鄂ICP備17016276號-1