怎樣使用mintab進行回歸分析-全文預(yù)覽
【正文】 lculated with and without the ith observation. Cook [7] and Weisberg [29] suggest checking observations with Cook’s distance F (.50, p, np), where F is a value from an Fdistribution. n DFITS, like Cook’s distance, bines the leverage and the Studentized residual into one overall measure of how unusual an observation is. DFITS (also called DFFITS) is the difference between the fitted values calculated with and without the ith observation, and scaled by stdev ( i). Belseley, Kuh, and Welsch [3] suggest that observations with DFITS 2 should be considered as unusual. See Help for more details on these measures. Example of performing a simple linear regression 簡單線性回歸實例 您是一個制造者并想要容易地獲得一個產(chǎn)品的質(zhì)量標準，但是該程序十分昂貴。,其中X是設(shè)計矩陣，其中hi僅與預(yù)測因子有關(guān)，它與響應(yīng)Y有關(guān)。如果您使用帶權(quán)重的預(yù)測，可以參考幫助中的獲得正確的結(jié)果。輸入常數(shù)或包含新X值的列，每個預(yù)測因子數(shù)據(jù)應(yīng)是一列(one for each predictor)。參考[6] 和“幫助”得到更多的信息。誤差項將被分成純誤差(error within replicates)和lackoffit誤差。如果想得到其它信息，請參考[4], [22]. 檢驗lackoffit MINITAB提供了兩種lackoffit 檢驗，這樣您可確定建立的回歸模型是否能夠完全適合您的數(shù)據(jù)。 。 如果相互獨立的假設(shè)被破壞，一些關(guān)系模型的擬合結(jié)果就會被懷疑。VIF=1時表明因子之間不相關(guān)，所有預(yù)測因子中最大的VIF通常是用來作為多重共線性的指示。如果是這樣，在選項子對話框中，不選截矩項，并且b0項就會被忽略，minitab選用下面的關(guān)系模型： 因為當(dāng)沒有常數(shù)項解釋R2是非常困難的，所以R2沒有顯示出來。WX)1 (X162。 一般情況的權(quán)重是響應(yīng)中純誤差變量相反值。如果變量不是常量變量那么： 1) 殘差圖與其變量圖：這是個殘差與其它變量圖。 殘差柱狀圖：該圖必須類似正態(tài)分布圖并且其平均值為0(鐘形)，許多點串遠離零點，關(guān)系模型之外的因子可能影響了您的結(jié)果。 (殘差)/(殘差的標準差) 第I個studentized殘差值是用第I個被刪除的觀測值計算出來的。 殘差類型 選擇您需要列 計算方法 常規(guī) examine residuals in the original scale of the data response fit 標準 使用rule of thumb來識別與關(guān)系模型關(guān)聯(lián)關(guān)系不十分密切的觀測值。您也可以驗證當(dāng)存在OUTLIERS時，回歸結(jié)果的敏感程度。您同樣也可以檢驗殘差圖和其它回歸推理來評定殘差圖是否是隨機和正態(tài)分布。 存儲子對話框 存儲系數(shù)、擬合值、以及正常、標準、已刪除殘差圖參考25頁選擇殘差類型。參考26頁的殘差圖。參考25頁選擇殘差圖類型。 在回歸方程計算和方差分析表中，MINITAB忽略了響應(yīng)或預(yù)測因子中所有包含丟失值的觀測值列。使用本程序您可以產(chǎn)生最小二乘法關(guān)系模型，貯存回歸統(tǒng)計量，檢驗殘差，產(chǎn)生點估計、進行預(yù)測以及置信區(qū)間，并且可以進行l(wèi)ackoffit檢驗。 分類 最大概率 順序推理 最小二乘法 正常score圖，單值殘差圖，殘差柱狀圖以及殘差和擬合圖。 最小二乘法 殘差圖 使用單個預(yù)測因子執(zhí)行線性和多項回歸，并且用數(shù)據(jù)繪制回歸線。 連續(xù)型 連續(xù)型 最小二乘法 選擇的程序 適合的條件 響應(yīng)類型 評估方法 回歸 最小二乘法是使誤差平方和以獲得參數(shù)估計值。如何使用MINTAB進行回歸分析 回歸分析用來檢驗并建立一個響應(yīng)變量與多個預(yù)測變量之間的關(guān)系模形。 最小二乘法和推理回歸方法都是評估關(guān)系模型中的參數(shù)并使模型的按按擬合值達到最優(yōu)化。 使用下表來幫助選擇適當(dāng)?shù)某绦颉?連續(xù)型 最小二乘法 連續(xù)型 產(chǎn)生一組殘差圖用來進行殘差分析。 連續(xù)型 回歸 您可以使用回歸方法來進行用最小二乘法為基礎(chǔ)的一元和多元回歸分析。 數(shù)據(jù) 在數(shù)字型列中輸入相等長度的響應(yīng)和預(yù)測因子變量，這樣您的工作表中每行的數(shù)據(jù)包含著對應(yīng)觀察值的測量結(jié)果。 4. 如果需要的話，可以使用下面顯示的選項，然后單擊“確立” 選項 圖形子對話框 為正常、標準、已刪除殘差圖畫5個不同的殘差圖。(例如：1 2 3 4 5…n) 獨立的殘差圖及每個選定列。 當(dāng)預(yù)測因子重復(fù)時，用純誤差lackoffit來檢驗關(guān)系模型的適合性，參考28頁檢驗
畢業(yè)設(shè)計相關(guān)推薦
鄂ICP備17016276號-1