怎樣使用mintab進行回歸分析(已改無錯字)
2023-07-24 18:10:32 本頁面
【正文】 bservation, and scaled by stdev ( i). Belseley, Kuh, and Welsch [3] suggest that observations with DFITS 2 should be considered as unusual. See Help for more details on these measures. Example of performing a simple linear regression 簡單線性回歸實例 您是一個制造者并想要容易地獲得一個產(chǎn)品的質(zhì)量標準，但是該程序十分昂貴。但是這兒有一個能完成同樣工作一般方法，該方法不太昂貴并且但并較準確。您可以檢驗兩組數(shù)據(jù)之間的關系看看是否可由容易獲得數(shù)據(jù)來預測想要的數(shù)據(jù)。您也可以利用觀測值 。 1. 2. 選擇統(tǒng)計回歸回歸 ，輸入Score2，在預測因子欄中，輸入Score1. “選項”按鈕。 ，然后單擊每個對話框的“確定”按鈕。 The regression equation is Score2 = + Score1 Predictor Coef SE Coef T P Constant Score1 S = RSq = % RSq(adj) = % Analysis of Variance Source DF SS MS F P Regression 1 Residual Error 7 Total 8 Unusual Observations Obs Score1 Score2 Fit SE Fit Residual St Resid 9 R denotes an observation with a large standardized residual Predicted Values for New Observations New Obs Fit SE Fit % CI % PI 1 ( , ) ( , ) Values of Predictors for New Observations New Obs Score1 1 結果說明 回歸程序選擇模型是 其中Y是響應，X是預測因子，b0和b1是回歸系數(shù)，e是誤差項，它是服從平均為零，標準偏為s正態(tài)分布，MINITAB通過b0估計b0， b1估計b1，S估計s。選擇的方程擬合方程即為： 其中 叫做被預測或被擬合值。 b1 。 系數(shù)表：在輸出窗口中第一個表給出的是估計的系數(shù)，b0和b1，以及它們的標準誤差。另外,T值 可以檢驗系數(shù)的零假設是否等于零，相應的p值也被給出。本例中，p值用來檢驗常數(shù)和斜率是否等于零，因為MINITAB將這些值圓整至小數(shù)點后三位數(shù)，該值表明有足夠的證據(jù)說明在第一類錯誤概率 (a levels)水平下，系數(shù)不等于零， S = ，這是s的估計值， 回歸線標準偏差的估計值。注意： RSq = %.這就是R2，也叫做決定系數(shù)，注意R2 =Correlation (Y, )2 R2值是是由預測因子(本例中Score1)而導致Y變量(本例中Score2)的可變比例。 The R2 value is the proportion of variability in the Y variable (in this example, Score2) accounted for by the predictors (in this example, Score1). RSq(adj) = %，這是根據(jù)自由度而調(diào)整的R2，如果一個變量被增加到一個關系方程，R2將要變大盡管被增加變量很可能不是實數(shù)。為了彌補這個缺陷，MINITAB同樣也顯示出了RSq (adj),該值是總體R2的無偏估計，它是根據(jù)以下公式計算出來的： 將其轉(zhuǎn)換為百分比，其中P是回歸方程中的系數(shù)數(shù)量(本例，P=2)，在相同的符號，通常R2為： 方差分析：本表包含著平方和(縮寫為SS)，SS回歸有時也寫作SS(回歸| b0)以及被叫做SS模型。誤差平方各有時也被寫作SS殘差，SSE或RSS。誤差均方和被寫作MSE。總平方和(SS Total)是平均值的修正平方和，使用方差分析來評定總擬合值，F(xiàn)檢驗是對零假設H0:所有回歸系數(shù)(除b0)=0進行檢驗。 異常觀測值：如果預測因子異常，用X來標識該異常觀測值；如果響應值異常，那么用R標識。(大標準化殘差)。您可以選擇結果子對話框中的選項來顯示擬合值的總表。擬合或被擬合值有時又叫做被預測Y值或 。SE Fit是擬合值的標準誤差(估計的)。St Resid是標準化殘差。 被預測值 ：顯示區(qū)間是根據(jù)給定的預測因子值所獲得總體平均值在置信區(qū)間為95%的情況下計算出
畢業(yè)設計相關推薦
鄂ICP備17016276號-1