使用mintab進(jìn)行回歸分析-展示頁(yè)
2025-06-26 07:27本頁(yè)面
【正文】 的線性關(guān)系(預(yù)測(cè)因子中存在多重共線性)。如果是這樣，在選項(xiàng)子對(duì)話框中，不選截矩項(xiàng)，并且b0項(xiàng)就會(huì)被忽略，minitab選用下面的關(guān)系模型： 因?yàn)楫?dāng)沒有常數(shù)項(xiàng)解釋R2是非常困難的，所以R2沒有顯示出來(lái)。 ，式中wi為權(quán)重。WX)1 (X162。 n的矩陣W，權(quán)重列作為矩陣的對(duì)角和零點(diǎn)。 一般情況的權(quán)重是響應(yīng)中純誤差變量相反值。 帶有大變量的觀測(cè)值應(yīng)相應(yīng)地加上較小的權(quán)重。如果變量不是常量變量那么： 1)如果某些殘差值被考慮，您可以用刷子工具來(lái)標(biāo)識(shí)這些值，您可以參考MINITAB使用者指南中Brushing Graphs的章節(jié)。 殘差圖與其變量圖：這是個(gè)殘差與其它變量圖。在殘差圖內(nèi)應(yīng)該沒有任何recognizable patterns，以下的幾點(diǎn)可以說(shuō)明殘差圖是非隨機(jī)的： 幾點(diǎn)連續(xù)上升或下降 絕大部分的點(diǎn)是正殘差，或絕大部的點(diǎn)是負(fù)殘差。 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(diǎn)串遠(yuǎn)離零點(diǎn)，關(guān)系模型之外的因子可能影響了您的結(jié)果。 殘差圖 MINITAB可以產(chǎn)生殘差圖這樣您就可以驗(yàn)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(diǎn)將基本形成一條直線。 (殘差)/(殘差的標(biāo)準(zhǔn)差) 第I個(gè)studentized殘差值是用第I個(gè)被刪除的觀測(cè)值計(jì)算出來(lái)的。 Studentized 識(shí)別與關(guān)系模型關(guān)聯(lián)關(guān)系不十分密切的觀測(cè)值，刪除影響變量估計(jì)及參數(shù)估計(jì)的觀測(cè)值。 (殘差)/(殘差的標(biāo)準(zhǔn)差) 殘差類型 選擇您需要列 計(jì)算方法 常規(guī) examine residuals in the original scale of the data response fit 標(biāo)準(zhǔn) 使用rule of thumb來(lái)識(shí)別與關(guān)系模型關(guān)聯(lián)關(guān)系不十分密切的觀測(cè)值。 選擇殘差類型 您可以計(jì)算三各殘差類型，使用下表可以幫助您選擇哪種圖形。您也可以驗(yàn)證當(dāng)存在OUTLIERS時(shí)，回歸結(jié)果的敏感程度。 MINITAB也可以用回歸推理來(lái)識(shí)別不正常的觀測(cè)值，這些觀測(cè)值可能對(duì)回歸結(jié)果產(chǎn)生很顯著的影響，參考29頁(yè)識(shí)別OUTLIERS，您可檢驗(yàn)一下這些異常數(shù)據(jù)看它們是否正確。您同樣也可以檢驗(yàn)殘差圖和其它回歸推理來(lái)評(píng)定殘差圖是否是隨機(jī)和正態(tài)分布。 n store the leverages, Cook’s distances, and DFITS, for identifying outliers—see Identifying outliers on page 29. 存儲(chǔ) store the mean square error, the (X162。 存儲(chǔ)子對(duì)話框 存儲(chǔ)系數(shù)、擬合值、以及正常、標(biāo)準(zhǔn)、已刪除殘差圖參考25頁(yè)選擇殘差類型。 默認(rèn)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(xiàng)子對(duì)話框 執(zhí)行加權(quán)回歸分析參考26頁(yè)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(gè)預(yù)測(cè)因子相關(guān)參考27頁(yè)Variance inflation factor 顯示杜賓瓦特森統(tǒng)計(jì)，它是用來(lái)檢測(cè)殘差的自相關(guān)—參考27頁(yè)檢測(cè)殘差的自相關(guān) 顯示PRESS統(tǒng)計(jì)以及校正的R2。參考26頁(yè)的殘差圖。每個(gè)數(shù)據(jù)點(diǎn)的行號(hào)都顯示在圖中X軸上。參考25頁(yè)選擇殘差圖類型。 3. 在“預(yù)測(cè)因子”欄中輸入包含預(yù)測(cè)因子(X)變量的列。 在回歸方程計(jì)算和方差分析表中，MINITAB忽略了響應(yīng)或預(yù)測(cè)因子中所有包含丟失值的觀測(cè)值列。然而，如果您要使用一個(gè)預(yù)測(cè)因子來(lái)獲得一個(gè)多元回歸關(guān)系模型，您將會(huì)發(fā)現(xiàn)使用擬合線性圖更好。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(jì)量，檢驗(yàn)殘差，產(chǎn)生點(diǎn)估計(jì)、進(jìn)行預(yù)測(cè)以及置信區(qū)間，并且可以進(jìn)行l(wèi)ackoffit檢驗(yàn)。 分類 最大概率 名義推理 對(duì)響應(yīng)可有三個(gè)或更多的值的響應(yīng)進(jìn)行回歸分析，該響應(yīng)值沒自然的順序，例如：甜、咸 、酸 分類 最大概率 分類 最大概率 順序推理 進(jìn)行響應(yīng)可能只有兩個(gè)值的回歸分析，例如：存在或不存在。 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(gè)預(yù)測(cè)因子執(zhí)行線性和多項(xiàng)回歸，并且用數(shù)據(jù)繪制回歸線。 連續(xù)型 識(shí)別以R2為基礎(chǔ)的預(yù)測(cè)因子最佳子集。 連續(xù)型 逐步回歸分析 最小二乘法 選擇的程序 適合的條件 響應(yīng)類型 評(píng)估方法 回歸 參考229頁(yè)推理回歸概要以獲得更多關(guān)天推理回歸分析信息。 最小二乘法是使誤差平方和以獲得參數(shù)估計(jì)值。 當(dāng)響應(yīng)變量為連續(xù)的量值時(shí)使用最小二乘法 當(dāng)響應(yīng)變量為分類值時(shí)使用推理回歸。如何使用MINTAB進(jìn)行回歸分析 回歸分析用來(lái)檢驗(yàn)并建立一個(gè)響應(yīng)變量與多個(gè)預(yù)測(cè)變量之間的關(guān)系模形。 MINITAB提供了多種最小二乘法和推理回歸程序。 最小二乘法和推理回歸方法都是評(píng)估關(guān)系模型中的參數(shù)并使模型的按按擬合值達(dá)到最
電大資料相關(guān)推薦
鄂ICP備17016276號(hào)-1