minitab質(zhì)量分析工具應(yīng)用大全-在線瀏覽
2025-03-13 19:28本頁(yè)面
【正文】 (A*A)不有意 ， 故而 Pooling到誤差項(xiàng) . ? 交互作用 (A*B)， Pooling到誤差項(xiàng)時(shí) ， Rsq(adj)和 lack of fit的 P值會(huì)減少因此不 Pooling. ?Pooling 后分析結(jié)果 在 項(xiàng) 中去掉 A*A項(xiàng) 后再次 運(yùn) 行 ?Pooling 后分析結(jié)果 在 項(xiàng) 中去掉 A*A、 A*B項(xiàng) 后再次 運(yùn) 行 ? A、 B的 2次效果 （ AA,BB） 不有意 ， Pooling到誤差項(xiàng) . ? AB交互作用 ， Pooling到誤差項(xiàng)時(shí) ， Rsq(adj)和 lack of fit的 P值會(huì)減少因此不 Pooling. (3) 坐標(biāo)圖分析 ： 位于 Plot的中央部的白色部分是 A和 B因子滿足所有反應(yīng)變量的水平值的范圍 。 如圖可見(jiàn)， 6月散步大， 8月明顯減少； 93 nP 管理圖（離散，樣本大小一定） 94 C 管理圖（離散，不良數(shù)） 95 U 管理圖（離散，不良數(shù)，組大小不定） 10 回歸分析 101 一元線性回歸 Minitab ? 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 1 101 一元線性回歸 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 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:畫殘差的 Histogram 時(shí) Normal plot of residual : 畫 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 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。 Minitab 102 Stepwise 逐步 線 性回 歸 ? 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 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 ) 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, Weight Forward selection. AlphatoEnter: Response is Pulse2 on 3 predictors, with N = 92 Step 1 2 3 Constant Pulse1 TValue PValue Ran TValue PValue Weight TValue PValue S RSq RSq(adj) Cp best alt. Variable Ran Weight TValue
醫(yī)療健康相關(guān)推薦
鄂ICP備17016276號(hào)-1