使用MINTAB进行回归分析.doc

如何使用MINTAB进行回归分析 回归分析用来检验并建立一个响应变量与多个预测变量之间的关系模形。 MINITAB提供了多种最小二乘法和推理回归程序。 当响应变量为连续的量值时使用最小二乘法 当响应变量为分类值时使用推理回归。 最小二乘法和推理回归方法都是评估关系模型中的参数并使模型的按按拟合值达到最优化。 最小二乘法是使误差平方和以获得参数估计值。但是MINITAB的推理回归命令是获得参数最大概率估计。参考2-29页推理回归概要以获得更多关天推理回归分析信息。 使用下表来帮助选择适当的程序。 选择的程序 适合的条件 响应类型 评估方法 回归 ? 执行简单或多元回归分析：选择合适的关系模型、存贮回归统计量、检验残差分析、产生点估计、产生预测和置信区间以及进行LACK-FIT检验。 ? 连续型 ? 最小二乘法 ? ? 逐步回归分析 ? ? ? 为了识别预测因素中有用的子集，执行逐步、进一步选择以及后退消除等方法从关系模型中增加或消除变量。 ? ? 连续型 ? ? ? 最小二乘法 ? ? 最佳子集 ? 识别以R2为基础的预测因子最佳子集。 ? 连续型 ? 最小二乘法 拟合线性图 ? ? ? 使用单个预测因子执行线性和多项回归，并且用数据绘制回归线。以实际和log10为基础。 ? 连续型 ? 最小二乘法 残差图 ? ? ? 产生一组残差图用来进行残差分析。 正常score图，单值残差图，残差柱状图以及残差和拟合图。 ? ? 连续型 ? 最小二乘法 ? 二元推理分析 ? 进行响应可能只有两个值的回归分析，例如：存在或不存在。 ? 分类 最大概率 顺序推理 ? 对响应可能有三个或更多的值的响应进行回归分析，该响应值有自然的顺序，例如：无影响、中等影响、严重影响。 分类 最大概率 名义推理 对响应可有三个或更多的值的响应进行回归分析，该响应值没自然的顺序，例如：甜、咸 、酸 分类 最大概率 ? 回归 您可以使用回归方法来进行用最小二乘法为基础的一元和多元回归分析。使用本程序您可以产生最小二乘法关系模型，贮存回归统计量，检验残差，产生点估计、进行预测以及置信区间，并且可以进行lack-of-fit检验。 同时您也可以使用该命令产生多元回归关系模型。然而，如果您要使用一个预测因子来获得一个多元回归关系模型，您将会发现使用拟合线性图更好。 数据 在数字型列中输入相等长度的响应和预测因子变量，这样您的工作表中每行的数据包含着对应观察值的测量结果。 在回归方程计算和方差分析表中，MINITAB忽略了响应或预测因子中所有包含丢失值的观测值列。 线性回归分析 1. 选择 统计回归回归 2. 在“响应”栏中，输入包含响应变量(Y)的列。 3. 在“预测因子”栏中输入包含预测因子(X)变量的列。 4. 如果需要的话，可以使用下面显示的选项，然后单击“确立” 选项 图形子对话框 为正常、标准、已删除残差图画5个不同的残差图。参考2-5页选择残差图类型。有效的残差图包括： 柱状图 正态概率图 残差图及拟合值 残差图及数据顺序。每个数据点的行号都显示在图中X轴上。(例如：1 2 3 4 5…n) 独立的残差图及每个选定列。参考2-6页的残差图。 结果子对话框 在对话窗口中显示下列内容： 不输出 估计的回归关系方程，系数表、S，R2,以及方差分析表。 默认的输出设置，包括上面的输出方式加上连续平方和fits and residuals of unusual observations 选项子对话框 执行加权回归分析参考2-6页加权回归分析 exclude the intercept term from the regression by unchecking Fit Intercept—see Regression through the origin on 7 显示variance inflation因子(VIF共线性影响度量值) 与每个预测因子相关参考2-7页Variance inflation factor 显示杜宾-瓦特森统计，它是用来检测残差的自相关—参考2-7页检测残差的自相关 显示PRESS统计以及校正的R2。 当预测因子重复时，用纯误差lack-of-fit来检验关系模型的适合性，参考2-8页检验lack-of-fit 用数据子子集lack-of-fit测试来检验关系模型的适合性参考2-8页检验lack-of-fit 预测响应结果、置信区间以及新观测值的区间参考2