怎樣使用mintab進(jìn)行回歸分析-預(yù)覽頁(yè)
【正文】 lackoffit 用數(shù)據(jù)子子集lackoffit測(cè)試來檢驗(yàn)關(guān)系模型的適合性參考28頁(yè)檢驗(yàn)lackoffit 預(yù)測(cè)響應(yīng)結(jié)果、置信區(qū)間以及新觀測(cè)值的區(qū)間參考29頁(yè)新的觀測(cè)值的預(yù)測(cè)。X)1 matrix, and the R matrix of the QR or Cholesky deposition. (The variancecovariance matrix of the coefficients is MSE*(XX)1.) See Help for information on these matrices. 殘差分析及回歸推斷 當(dāng)建立了回歸關(guān)系模，回歸分析通常沒有完成。假如這樣的話，您可以確定它們?yōu)槭裁串a(chǎn)生異常以及它們對(duì)回歸關(guān)系方程有什么影響。 較大的Studentized殘差絕對(duì)值表明關(guān)系模型中包含該觀測(cè)值將會(huì)增大誤差變化或者它對(duì)參數(shù)的估計(jì)有很大的影響，或者對(duì)二者都有影響。如果圖中的點(diǎn)背離了該直線，殘差服從正態(tài)布的假設(shè)就會(huì)不成立，檢驗(yàn)數(shù)據(jù)是否服從正態(tài)分布，可以使用統(tǒng)計(jì)基本統(tǒng)計(jì)正態(tài)檢驗(yàn)(143)。 – patterns such as increasing residuals with increasing fits 殘差與順序圖：本圖所有殘差都是按照數(shù)據(jù)搜集順序排列的，它可以用來發(fā)現(xiàn)非隨機(jī)錯(cuò)誤，特別是與時(shí)間相關(guān)的影響。 加權(quán)回歸分析 加權(quán)最小二乘法回歸分析用來分析觀測(cè)值中包含有非常量變量的一種方法。 2) 帶有小變量的觀測(cè)值應(yīng)相應(yīng)地加上較大的權(quán)重。MINITAB使用(X162。 通過原點(diǎn)的回歸 一般的情況下， y截矩(也叫常數(shù)項(xiàng))被包含在等式，因此minitab選用下面關(guān)系模型： 然而，如果在x=0時(shí)，響應(yīng)值也自然為0時(shí)，可以選用一個(gè)沒有截矩的關(guān)系模型。如果您的預(yù)測(cè)因子是相關(guān)的(或多重線性相關(guān))時(shí)，VIF測(cè)量的是估計(jì)的回歸因子增加程序。 檢驗(yàn)殘差的自相關(guān) 在線性回歸分析中，我們總是假設(shè)殘差都是彼此相互獨(dú)立的(即它們之間不存大自相關(guān))。Minitab提供了兩種方法也檢驗(yàn)這個(gè)假設(shè)： (1 2 3 4 …….n)圖可以提供很直觀的方法來檢驗(yàn)殘差的自關(guān)性。 為了從檢驗(yàn)中得出結(jié)論，您需要用表中的上下限比較顯示的統(tǒng)計(jì)量，如果D上限，沒有相關(guān)；如果D下限，表示存在正相關(guān)；如果D在上下限之間，不能確定其相關(guān)性。 純誤差lackoffit檢驗(yàn)如果您的預(yù)測(cè)因子中包含重復(fù)的數(shù)據(jù)(一個(gè)因子幾個(gè)同樣的X值或多預(yù)測(cè)因子中有幾個(gè)同樣的X值組合)，MINITAB可以為lackoffit計(jì)算一個(gè)純誤差檢驗(yàn)。該檢驗(yàn)是非標(biāo)準(zhǔn)化的，但是它可提供關(guān)于每個(gè)變量的lackoffit的信息。 新觀測(cè)值的預(yù)測(cè) 如果您知道新預(yù)測(cè)因子值(X)，并且您想知道通過使用回歸方程計(jì)算出的響應(yīng)值，那么您可以選項(xiàng)子對(duì)話框中新觀測(cè)值的預(yù)測(cè)區(qū)間。您可以將默認(rèn)的置信水平95%改成其它值，您也可以儲(chǔ)存顯示的值：擬合度、擬合度標(biāo)準(zhǔn)誤差、置信界限及預(yù)測(cè)界限。X)1 X162。這些影響超過3p/，無論哪一個(gè)是最小的都標(biāo)上X，leverage大于5p/n都標(biāo)上XX。您也可以利用觀測(cè)值 。The regression equation is Score2 = + Score1 Source DF SS MS F P Regression 1 Residual Error 7 Total 8 New Obs Fit SE Fit % CI % PI 1 ( , ) ( , ) b1 。注意： RSq = %.這就是R2，也叫做決定系數(shù)，注意R2 =Correlation (Y, )2 R2值是是由預(yù)測(cè)因子(本例中Score1)而導(dǎo)致Y變量(本例中Score2)的可變比例。誤差均方和被寫作MSE。您可以選擇結(jié)果子對(duì)話框中的選項(xiàng)來顯示擬合值的總表。 被預(yù)測(cè)值 ：顯示區(qū)間是根據(jù)給定的預(yù)測(cè)因子值所獲得總體平均值在置信區(qū)間為95%的情況下計(jì)算出來的(Score1 = )。 如果沒驗(yàn)證殘差圖，那么回歸分析還沒有結(jié)果。數(shù)據(jù)是從[21]，486頁(yè)中摘取，您可以發(fā)現(xiàn)，使用223頁(yè)的最佳子集回歸，最佳兩預(yù)測(cè)因子模型包括變量北和南，最佳三因子可在最佳兩預(yù)測(cè)因子基礎(chǔ)增加變量東方。 預(yù)測(cè)因子 Coef SE Coef T P Constant East South North Source DF Seq SS East 1 South 1 North 1 多元回歸輸出項(xiàng)與一元回歸輸出相似，但是它也包括連續(xù)平方和。 例如：在方差分析表中連續(xù)平方和列，關(guān)于NORTH()是NORTH的平方和。如果您想用不同的順序，比方說SS (b2 | b0, b3)，那么重復(fù)回歸程序并用首先輸入X3，然
畢業(yè)設(shè)計(jì)相關(guān)推薦
鄂ICP備17016276號(hào)-1