【文章內容簡介】 Histogram 時 Normal plot of residual : 畫 殘差的正態(tài)概率圖時 Residuals versus fits:想看殘差的適合性時 Residuals versus order:關于殘差對比資料的順序 Residuals versus the variables:殘差與變量之間的關系MinitabRegressionMinitabRegression分析結果回歸方程式為SCORE2=+P值比留意水準小，故駁回歸屬假設。即兩個變量的回歸系數不是 0。對資料的說明程度 (決定系數 )為%，因第 9個數據是非正常數據，故需要進一步觀察。新數據的信賴區(qū)間為(, ), 預測區(qū)間為(, )。MinitabStepwise216。 說明變量數量多時，添加或減少變量而選別適當的變量集合為目的167。所有可能的回歸 : 當有 k個變量時，調查從一個也不包含的模型至包含 k個的 所有模型 167。前進選擇法 : 在影響反應變量的 k個說明變量中選擇最大影響的變量， 并判斷為再無其它重要變量時 ,停止變量的選擇 167。后進選擇法 : 在影響反應變量的 k個說明變量中除去影響小的變量， 并判斷為再無可除變量時，停止變量的除去167。階段別回歸方法 :在前進選擇法里加后進選擇法的方法MinitabStepwise167。Response:輸入反應變量 (Pulse2)167。Predictors:輸入說明變量 (Pulse1 RanWeight)167。Predictors to include in every model: 指定先包含的變量167。選擇 Forward selection后指定留意水準167。留意水準 :把預測變量追加到回歸模型的基準 (p值小于留意水準時追加 ) MinitabStepwise167。顯示進入模型的預測變量的最佳程度 (若是 2，則顯示 2個預測變量 )167。輸入要進行幾次操作167。回歸模型里要追加常數項時 Stepwise Regression: Pulse2 versus Pulse1, Ran, WeightForward selection. AlphatoEnter: Response is Pulse2 on 3 predictors, with N = 92 Step 1 2 3Constant Pulse1 TValue PValue Ran TValue PValue Weight TValue PValue S RSq RSq(adj) Cp best alt.Variable Ran Weight TValue PValue Variable Weight TValue PValue MinitabBest Subsets216。 在分析者所希望的說明變量中找出最佳模型的分析167。Response:指定反應變量167。Free predictors:指定在模型里包含可能性的 變量167。Predictors in all models:指定必須包含在模型 中的變量包含在模型的至少變量數和最大變量數在說明變量數為相同的組合中，指定最高說明結果的幾個輸出與否結果解釋在模型選擇上有根據的統計量(Rsquare, adjR, Cp)Vars:包含在各模型的說明變量數。以下是如前所定的 5個說明變量中包含2個至 4個的模型中按 Rsquare高順序所表示的。另在包含 2個、 3個、 4個說明變量的模型 中，每各變量個數輸出 3個。MinitabBest Subsets216。履行單一回歸步驟 , 繪出回歸圖216。在線型回歸及多項回歸中有用的方法 , 即一個變量對應一個反應值時。 Options...167。Response:指定反應變量167。Predictor:指定說明變量 (僅一個 )167。Type of Regression Model:指定回歸 Model (1,2,3次方程式 )167。Transformations:反應變量與說明 變量取 10為底的 Log167。Display Option:表示信賴區(qū)間及 預測區(qū)間MinitabFitted Line PlotMinitabFitted Line Plot結果解釋顯示 2次項模型比直線模型更為適合216。殘差 plot 是為回歸分析診斷而使用216?；貧w分析時 , 若保存了殘差和推定值 (Fits),則利用 Residual Plot 步驟繪出殘差圖形。?進行殘差分析之前應先保存殘差和適合值 Stat Regression Storage : 把 Fits與 Residual check167。Residuals : 指定殘差167。Fits : 指定反應變量的推定值MinitabResidual PlotsMinitabResidual Plots顯示為檢查殘差是否近似于正態(tài)分布的正態(tài)概率圖，接近直線時為良好。用類似于正態(tài)概率圖的用途顯示全面的殘差形態(tài)的圖象，正態(tài)分布形態(tài)時為良好殘差對適合值的圖象是顯示越小的預測值 更為適合216。當反應變量不是連續(xù)性的二分型 (0,1)資料時的回歸分析167。Response:指定反應變量167。Frequency:輸入頻率數167。存在成功與試行次數 , 成功與失敗 , 失敗 與試行次數形態(tài)的反應變量時，各自輸入 。 167。Model:指定說明變量 167。Factors:在說明變量中指定離散型變量Graph...167。指定為回歸模型診斷的各種圖象MinitabBinary Logistic RegressionResults...通過圖象診斷過程中顯示不適合模型的值有 2個。在圖象上按鼠標右鍵則出現 Play菜單，并通過 Brush確認是第 31號值與第 66號值MinitabBinary Logistic RegressionBinary Logistic RegressionLink Function: LogitResponse InformationVariable Value CountRestingP Low 70 (Event) High 22 Total 92Factor InformationFactor Levels ValuesSmokes 2 No YesLogistic Regression Table Odds 95% CIPredictor Coef StDev Z P Ratio Lower UpperConstant Smokes Yes Weight = Test that all slopes are zero: G = , DF = 2, PValue = TestsMethod ChiSquare DF PPearson 47 Deviance 47 8 Brown:General Alternative 2 Symmetric Alternative 1 Table of Observed and Expected Frequencies:(See HosmerLemeshow Test for the Pearson ChiSquare Statistic) GroupValue 1 2 3 4 5 6 7 8 9 10 TotalLow Obs 4 6 6 8 8 6 8 12 10 2 70 Exp High Obs 5 4 3 1 1 3 2 3 0 0 22 Exp Total 9 10 9 9 9 9 10 15 10 2 92Measures of Association:(Between the Response Variable and Predicted Probabilities)Pairs Number Percent Summary MeasuresConcordant 1045 % Somers39。 D Discordant 461 % GoodmanKruskal Gamma 34 % Kendall39。s Taua Total 1540 %結果解釋在 Logistic回歸 Table中Smoke與 Weight 在留意水準 5%以內有意義。并且 p值為 ，故判斷為至少一個不是 0。實施適合度判定，如有 p值小于，但在此顯示適合。在 Measures of Association 上 Pairs部分是一致的結果，Summary Measures表示預測力的尺度。(越接近 1為越好的預測力 )MinitabBinary Logistic RegressionMinitabOrdinal Logistic Regression216。 反應變量按順序型顯示的 logistic回歸模型167。Response:指定反應變量167。Frequency:輸入頻率數167。存在成功與試行次數 , 成功與失敗 , 失敗與 試行次數形態(tài)的反應變量時，各自輸入。 167。Model:指定說明變量167。Factors:Regionr 的 pvalue= 比留意水準，故沒有影響。在這模型中刪除 Region 后 , 再進行分析為好。MinitabOrdinal Logistic Regression216。 反應變量為名目型 (性別 , 郵編 , 學號等 ) 資料構成的 logistic 回歸模型。167。Response:指定反應變量167。Frequency:輸入頻率數167。存在成功與試行次數 , 成功與失敗 , 失敗與 試行次數形態(tài)的反應變量時各自輸入。 167。Model:指定說明變量167。Factors:MinitabNominal Logistic Regression4. 分散分析Minitab分散分析基礎 216。尋找說明變量與反應變量關系式的方法論?一元配置分散分析 (DATA形態(tài)為 Stack 的時候 )?一元配置分散分析 (DATA形態(tài)為 Unstack 的時候 )?二元配置分散分析?平均分析?均型分散分析 (在各水準反復相同的時候 )