【文章內(nèi)容簡介】 ise216。 說明變量數(shù)量多時，添加或減少變量而選別適當?shù)淖兞考蠟槟康?67。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?；貧w模型里要追加常數(shù)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(shù)和最大變量數(shù)在說明變量數(shù)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(jù)的統(tǒng)計量(Rsquare, adjR, Cp)Vars:包含在各模型的說明變量數(shù)。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(shù)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(shù)167。存在成功與試行次數(shù) , 成功與失敗 , 失敗 與試行次數(shù)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(xiàn) 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(nèi)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(shù)167。存在成功與試行次數(shù) , 成功與失敗 , 失敗與 試行次數(shù)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(shù)167。存在成功與試行次數(shù) , 成功與失敗 , 失敗與 試行次數(shù)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 )?一般線型模型?支份分散分析?檢定分散的同一性?區(qū)間 Plot?主效果 Plot?交互效果 PlotMinitabOne Way ANOVA(一元配置法 ) 216。因子為一個 , 反復數(shù)為對所有水準不相同也可 , Radom實驗。216。在數(shù)據(jù)為一個 Col中以 Stack 形態(tài)保存時使用。167。Response:指定反應變量167。Factor:指定說明變量 (要因 )167。Comparisons:檢定多重比較167。Store residuals:保存殘差167。Store fits:保存水準平均值 167。DF:自由圖 (Degree of Freedom)167。SS:乘方的和 (Sum of Square)167。MS:不偏分散 (Mean of Square)167。F:F概率值167。P:Pvalue(留意概率 )167。留意水準比 pvalue 大則有影響。 即水準間有差。 (級區(qū)間有變動 ) 上面的 p值大于 ，故沒有影響。(先需要檢定 RESPONSE值的正態(tài)性 )Graphs...?Dotplots / Boxplots