【正文】 的推定及檢定 ?Summarized data Number of trials : 全體試行次數(shù) Number of successes : 成功 (不良 )次數(shù) ?Confidence level : 信賴度 ?Test proportion : 檢定不良率 ?Alternative : 設(shè)定對(duì)立假設(shè) ?Use test and interval based on normal distribution : 是否按正態(tài) 分布近似計(jì)算 結(jié)果解釋 :p值比留意水準(zhǔn) 5%大，故選 擇歸屬假設(shè)，即兩個(gè)母集團(tuán)不良率無(wú)差異 Minitab 2Proportion(兩個(gè)母集團(tuán)母比率的檢 .推定 ) 27 () Minitab 2Variances(兩個(gè)母集團(tuán)分散的同一性檢定 ) ?兩個(gè)母集團(tuán)的分散的同一性檢定 2 3 4 59 5 % C o n f i d e n c e I n t e r v a l s f o r S i g m a sM a t BM a t A6 7 8 9 1 0 1 1 1 2 1 3 1 4 1 5B o x p l o t s o f R a w D a t aF T e s tT e s t S t a t i s t i c : 0 . 9 4 7P V a l u e : 0 . 9 3 7L e v e n e 39。 ?隨正態(tài)分布時(shí) FTest 結(jié)果 , 不隨正態(tài)分布時(shí)看 Levene’ s Test 結(jié)果再解釋 結(jié)果解釋 :p值比有益水準(zhǔn) 5%大 , 故不能 判斷兩個(gè)母集團(tuán)的分散不同。 因 Pvalue為 ， 故駁回歸屬假設(shè)，即不隨正態(tài)分布 Minitab Normality Test(正態(tài)性檢定 ) 31 () 32 () 3. 回歸分析 33 () ?為了模型化及調(diào)查反應(yīng)變量與一個(gè)以上的獨(dú)立變量之間關(guān)系的分析 ? Least square regression : 反應(yīng)變量為連續(xù)性資料時(shí) ?Regression:利用最小乘方法，實(shí)施單一回歸或多重回歸 ?Stepwise Regression:為了找出最合適的說(shuō)明變量模型 進(jìn)行追加或刪除變量而分析 ?Best Subsets Regression : 利用最大 Rsquare 基準(zhǔn)來(lái) 分析最大 Subset 回歸 ?Fitted Line Plot:用一個(gè)預(yù)測(cè)變量的線型或多次項(xiàng)進(jìn)行 回歸分析 ?Residual Plot : 為殘差分析的 Plot作成 ? Logistic square regression:反應(yīng)變量為范籌型資料時(shí) ?Binary Logistic Regression:利用二項(xiàng)反應(yīng)變量的回歸 分析 (2個(gè)范籌時(shí) ) ?Ordinal Logistic Regression:利用順序型反應(yīng)變量的 回歸分析 (3個(gè)以上范籌時(shí) ) ?Nominal Logistic Regression:利用名目型反應(yīng)變量的 回歸分析 (3個(gè)以上范籌時(shí) ) Minitab 回歸分析基礎(chǔ) 34 () Minitab Regression ? 在兩個(gè)以上變量的關(guān)系上建立數(shù)學(xué)函數(shù)的方法 ?Response : 選擇種屬變量 (結(jié)果值 ) Score 2 ?Predictors : 選擇獨(dú)立變量 (輸入值 ) Score 1 35 () Options... ?Weight:為加重回歸指定有加重值的 Col ?Fit intercept:決定在模型中是否除去絕對(duì)項(xiàng) ?Display Variance inflation factors:以 多重空線型判別 (VIF) 影響值，指定 VIF值輸出與否 DurbinWatson statistic :指定檢定殘差自己相關(guān) DurbinWatson統(tǒng)計(jì)量輸出與否 ?Lack of Fit Tests Pure error:指定履行適合性檢定時(shí)純誤差項(xiàng)的 輸出與否 Data subsetting:指定把說(shuō)明變量細(xì)分而提供類似 反復(fù)效果的算法適用與否 ?Prediction intervals for new observation:推定回歸 式后，按說(shuō)明變量的值推定 y值 ?Storage Fits:指定是否保存推定的 y Confidence limits:指定是否保存推定 y的信賴水準(zhǔn)的 信賴區(qū)間 SDs of fits:指定是否保存 y的標(biāo)準(zhǔn)偏差 Predicction limits:指定是否保存 y的預(yù)測(cè)界限 Minitab Regression 36 () Results... 在 Session 窗不顯示任何結(jié)果時(shí) 顯示基本的回歸分析結(jié)果時(shí) 顯示基礎(chǔ)統(tǒng)計(jì)量時(shí) 顯示追加統(tǒng)計(jì)量時(shí) Graphs... ?Residuals for Plots:殘差圖象中顯示的殘差種類選擇 Regular:在資料的原來(lái)測(cè)度內(nèi)利用殘差時(shí) Standardized:利用標(biāo)準(zhǔn)殘差時(shí) Deleted:利用 Studentized殘差時(shí) ?Residual Plots Histogram of residual:畫(huà)殘差的 Histogram 時(shí) Normal plot of residual : 畫(huà) 殘差的正態(tài)概率圖時(shí) Residuals versus fits:想看殘差的適合性時(shí) Residuals versus order:關(guān)于殘差對(duì)比資料的順序 Residuals versus the variables:殘差與變量之間的關(guān)系 Minitab Regression 37 () Minitab Regression 分析結(jié)果 回歸方程式為 SCORE2=+ P值比留意水準(zhǔn)小，故駁回歸屬 假設(shè)。 對(duì)資料的說(shuō)明程度 (決定系數(shù) )為 %，因第 9個(gè)數(shù)據(jù)是非正常 數(shù)據(jù)，故需要進(jìn)一步觀察。 38 () Minitab Stepwise ? 說(shuō)明變量數(shù)量多時(shí)，添加或減少變量而選別適當(dāng)?shù)淖兞考蠟槟康? ?所有可能的回歸 : 當(dāng)有 k個(gè)變量時(shí)，調(diào)查從一個(gè)也不包含的模型至包含 k個(gè)的 所有模型 ?前進(jìn)選擇法 : 在影響反應(yīng)變量的 k個(gè)說(shuō)明變量中選擇最大影響的變量， 并判斷為再無(wú)其它重要變量時(shí) ,停止變量的選擇 ?后進(jìn)選擇法 : 在影響反應(yīng)變量的 k個(gè)說(shuō)明變量中除去影響小的變量， 并判斷為再無(wú)可除變量時(shí)，停止變量的除去 ?階段別回歸方法 :在前進(jìn)選擇法里加后進(jìn)選擇法的方法 39 () Minitab Stepwise ?Response:輸入反應(yīng)變量 (Pulse2) ?Predictors:輸入說(shuō)明變量 (Pulse1 RanWeight) ?Predictors to include in every model: 指定先包含的變量 ?選擇 Forward selection后指定留意水準(zhǔn) ?留意水準(zhǔn) :把預(yù)測(cè)變量追加到回歸模型的基準(zhǔn) (p值小于留意水準(zhǔn)時(shí)追加 ) 40 () Minitab Stepwise ?顯示進(jìn)入模型的預(yù)測(cè)變量的最佳程度 (若是 2，則顯示 2個(gè)預(yù)測(cè)變量 ) ?輸入要進(jìn)行幾次操作 ?回歸模型里要追加常數(shù)項(xiàng)時(shí) Stepwise Regression: Pulse2 versus Pulse1, Ran,