Minitab教程案例.ppt

(#),1,1. Minitab 的操作,(#),2,MINITAB = Mini + Tabulator =小型 + 計(jì)算機(jī),介紹 于1972年，美國(guó)賓夕法尼亞 州立大學(xué)用來(lái)作統(tǒng)計(jì)分析、教育用而開(kāi)發(fā)，目前已出版 Window 用版本 Vesion12.2，并且已在工學(xué)、社會(huì)學(xué)等所有領(lǐng)域被廣泛使用。特別是與Six-sigma關(guān)聯(lián)，在GE、AlliedSignal等公司已作為基本的程序而使用。 優(yōu)點(diǎn) 以菜單的方式構(gòu)成，所以無(wú)需學(xué)習(xí)高難的命令文，只需擁有基本的統(tǒng)計(jì)知識(shí)便可使用。圖表支持良好，特別是與Six-sigma有關(guān)聯(lián)的部分陸續(xù)地在完善之中。,Minitab,什么是 Minitab ?,(#),3,一般統(tǒng)計(jì),- 基礎(chǔ)統(tǒng)計(jì) -回歸分析 - 分散分析 - 多變量分析 - 非母數(shù)分析 - TABLE(行列) - 探索性 資料(數(shù)據(jù))分析,品質(zhì)管理,- 品質(zhì)管理工具 - 測(cè)定系統(tǒng)分析 - 計(jì)量值數(shù)據(jù)分析 - 計(jì)數(shù)值數(shù)據(jù)分析 - 管理圖分析 - 工程能力分析,信賴性 及 數(shù)據(jù)分析,- 分布分析 - 數(shù)據(jù)的回歸分析 - 受益分析,實(shí)驗(yàn)計(jì)劃,- 要因 實(shí)驗(yàn)計(jì)劃 - 反應(yīng)表面 實(shí)驗(yàn)計(jì)劃 - 混合 實(shí)驗(yàn)計(jì)劃 - Robust 實(shí)驗(yàn)計(jì)劃,Minitab,什么是 Minitab ?,(#),4,Minitab,Minitab 操作,Minitab 初始畫(huà)面,方法 2. 利用 Minitab 圖標(biāo) 運(yùn)行的方法,把 Minitab安裝到電腦時(shí)，開(kāi)始菜單 及 Minitab 公文包里生成Minitab的 運(yùn)行圖標(biāo)。運(yùn)行Minitab的方法有利用開(kāi)始菜單及選擇運(yùn)行圖標(biāo)兩種。,方法 1. 利用開(kāi)始菜單 運(yùn)行 Minitab 的方法,(#),5,Session window:直接輸入 Minitab 的命令或顯示類似統(tǒng)計(jì)表的文本型結(jié)果文 件的窗口 WorKsheets:用于直接輸入數(shù)據(jù)或可以修改的窗口，具有類似 Excel中的 spread sheet功能 Info窗:簡(jiǎn)要顯示已使用的變量信息的窗口 History窗:儲(chǔ)存已使用過(guò)的所有命令，并幫助已使用過(guò)的命令可重復(fù)使用 Graph窗: 顯示各種統(tǒng)計(jì)圖表，同時(shí)可以打開(kāi)15個(gè)窗口,Minitab,Minitab 畫(huà)面 構(gòu)成,(#),6,File : 有關(guān)文件管理所需的副菜單的構(gòu)成 Edit : 編輯 Worksheet data , 外部 data 的 link 及 command link editor 副菜單 Manip : Worksheet data 的 Split、Sort、Rank、Delete、Stack/Unstack 等副菜單 Calc : 利用內(nèi)部函數(shù)的數(shù)據(jù)計(jì)算及利用分布函數(shù)的數(shù)據(jù)生成 Stat : 是分析統(tǒng)計(jì)資料的副菜單，由基礎(chǔ)統(tǒng)計(jì)、回歸分析、分散分析、品質(zhì)管理、時(shí)針序列 分析、離散資料分析、非母數(shù)統(tǒng)計(jì)分析等構(gòu)成 Graph : 為編輯 Graph的Graph Layout, Chart副菜單及文字Graph構(gòu)成 Editor : 不使用菜單，使用命令直接作業(yè)及Clipboard setting等副菜單 Window : 由控制 Window 畫(huà)面構(gòu)成的副菜單及 管理 Graph 畫(huà)面的副菜單構(gòu)成,Minitab,Minitab 菜單 構(gòu)成,(#),7,打開(kāi) 新建 : File - New(project, worksheet) 打開(kāi)保存的 Project : File - Open project 打開(kāi)保存的 Worksheet : File - Open Worksheet 打開(kāi)保存的 Graph : File - Open Graph 用ODBC打開(kāi) : File - Quary Database 打開(kāi)TXT : File - Others file - Import special txt 保存 保存為當(dāng)前文件名 : File - Save(project, worksheet) 另存為 : File - Save as(project, worksheet) TXT保存: File - Other file - Export special txt 注) Open Graph 下方的 Save as 為根據(jù)選擇的窗口可更 改保存內(nèi)容。 打印 打印當(dāng)前選擇 window : File - Print,練習(xí)) 把 當(dāng)前的 Worksheet 保存為 Temp.mtw， 并關(guān)閉后重新打開(kāi),Minitab,Minitab 菜單(File),(#),8,恢復(fù)已刪除資料,清除 Cell(s) 的數(shù)據(jù),刪除 Cell(s) 的數(shù)據(jù) 下端的 cell 移動(dòng),復(fù)制 Cell(s),粘貼 Cell(s),LinK粘貼,Link 管理,選擇所有 cell,編輯最后操作的對(duì)話框,打開(kāi)命令編輯器,一般選項(xiàng),用鼠標(biāo)拖動(dòng)工作窗口 按鼠標(biāo)的右鍵會(huì)出現(xiàn) pop up menu 通過(guò)此項(xiàng)可編輯 把 Col/Row 的全部作為工作的對(duì)象 時(shí)，選擇上端/左側(cè)。,指定變量名 : 在 C1(Col名) 下端的 cell 上輸入變量名。 輸入 Data : 把數(shù)據(jù)和文字輸入到下端的 cell 上 但，要是先輸入 數(shù)值把變量屬性變更為數(shù)值變量后不能輸入文字。 刪除 Data : 把相關(guān) cell 用鼠標(biāo) drag 后按 Del 鍵 相關(guān) cell 的內(nèi)容被刪除掉，并且下端的 cell 向上移動(dòng)。,練習(xí))在 AUTO.MTW上 1) 刪除 4,5 Row后把 C4, C5的 DATA 變更為 234 2) 把 C2 Col 移動(dòng)到 C5 3) 把 C4 Column Size 變更為 12,Minitab,Minitab 菜單(Edit),(#),9,從活動(dòng) Worksheet 中復(fù)制數(shù)據(jù)，制作 subset Worksheet。,把活動(dòng) Worksheet 分成兩個(gè)以上新的 Worksheet,把一列以上的數(shù)據(jù)移到多個(gè)列上,把多個(gè)列上的數(shù)據(jù)合成一個(gè)列,交換行和列的位置,對(duì)齊排列數(shù)據(jù),數(shù)據(jù)上注明序位,刪除特定列的行,把多個(gè)列的文字?jǐn)?shù)據(jù)合并為一個(gè)列,數(shù)據(jù)按變換條件交換,變更 Data的屬性,把數(shù)據(jù)在Session窗口里輸出,把多個(gè) Worksheet 合并為一個(gè) Worksheet,刪除行、常數(shù)、行列,把列上內(nèi)容復(fù)制到其它列上,Minitab,Minitab 菜單(Manip),(#),10,練習(xí)) 把 EXH_AOV.MTW 的 Durability 和 Carpet 保存在新的 Worksheet 后， (1) 把 Durability 為 Unstack (2) 用上面 Unstack 的內(nèi)容 把 C7的 data保存到 C8 Subscript。 練習(xí)) 在 AUTO.MTW中， (1) Age 按 No.M 的順序排列。 (2) 按 Yes.M 的順序排列的 No.F 保存到 C11。,Minitab,習(xí)題,(#),11,把多數(shù)的 col 使用函數(shù)計(jì)算后，保存到新的 col 上,把1個(gè) col 的統(tǒng)計(jì)值保存到新的 col 上,用1個(gè)以上的 col 計(jì)算統(tǒng)計(jì)值后，保存到新的 col 上,變換為標(biāo)準(zhǔn)化資料,把數(shù)據(jù)屬性變更為數(shù)值屬性,把數(shù)據(jù)屬性變更為文字屬性,生成 Pattern 數(shù)據(jù),把 X、Y、Z 的值用 3D 圖象方式組合后生成 Mesh 數(shù)據(jù),生成在回歸分析中要使用的指示變量,指定 Random 數(shù)據(jù)的基準(zhǔn)點(diǎn),生成符合分布函數(shù)的 Random 數(shù)據(jù),生成符合分布函數(shù)的概率，并用數(shù)據(jù)保存,行列,Minitab,Minitab 菜單(Calc),(#),12,練習(xí)) 把 EXH_AOV.MTW 的 Durability 和 Carpet保存到新的 Worksheet 后 (1) 把 Durability 和 Carpet 相加的值保存到 Dura-Carpet 上。 (2) 把 Durability-Carpet保存到 Dura-Carpet 上。 練習(xí)) 把 EXH_AOV.MTW 的 Durability 和 Carpet保存到新的 Worksheet 后 (1) 求 Durability 的 基礎(chǔ)統(tǒng)計(jì)值。 (2) Durability的Range保存到 C5。 練習(xí)) 把 EXH_AOV.MTW 的 Durability 和 Carpet保存到新的 Worksheet 后 (1) 把 Durability 正態(tài)化。 (2) 把 Durability 標(biāo)準(zhǔn)化為3和4之間的數(shù)據(jù)。 練習(xí)) 生成 1 15 的奇數(shù)，每個(gè)數(shù)二回，全體集合反復(fù)三回的數(shù)據(jù)。 練習(xí)) 把 Red Blue White Black 生成各值是二回，全體反復(fù)二回的數(shù)據(jù)。 練習(xí)) 生成從 1996.04.017.30之間按一周間隔形成的數(shù)據(jù)。 練習(xí)) 生成 1996年 4月 1日、97年 7月 30日、98年 12月 25日為各二回，全體為三回形成的數(shù)據(jù)。 練習(xí)) 在平均 300, 標(biāo)準(zhǔn)偏差5的正態(tài)分布當(dāng)中抽出 40個(gè) sample 保存到 C5上。,Minitab,習(xí)題,(#),13,Minitab,Minitab 菜單(Window),window : 集合了把 Minitab的所有 window 調(diào)節(jié)的命令和總體管理的 Graph, Worksheet的命令等, 全面性 Window 的運(yùn)營(yíng)命令。,指定把各個(gè) window 都顯示, 或者用小圖標(biāo)來(lái)顯示 把 Tool bar 與 Status bar 隱藏或顯示 使總括 Graph window 的 window活性化 使管理 Worksheet 的 window活性化 活性 window 用 Vmark 表示，用 Vmark標(biāo)記打開(kāi) window,(#),14,(#),15,2. 基礎(chǔ)統(tǒng)計(jì),(#),16,基礎(chǔ)統(tǒng)計(jì)量輸出,基礎(chǔ)統(tǒng)計(jì)量保存,對(duì)母平均的推定及檢定,對(duì)母比率的推定及檢定,相關(guān)分析,公分散分析,正態(tài)性檢定,Minitab,基礎(chǔ)統(tǒng)計(jì),兩個(gè)母集團(tuán)的分散的同一性檢定,(#),17,資料應(yīng)為連續(xù)性的列資料, 同時(shí)應(yīng)為數(shù)值資料。 能輸出圖表。,Variables : 選擇需要分析的 Col(變量) By variable : 使用集團(tuán)(Gvoup)變量計(jì)算基礎(chǔ)統(tǒng)計(jì)量,- N : data 數(shù)值 - Mean : 平均 - Median : 中央值 - TrMean : 調(diào)整平均 - StDev : 標(biāo)準(zhǔn)偏差 - SE Mean : Standard Erro of Mean - Minimum :最小值 - Maximum : 最大值 - Q1 : 1/4數(shù) - Q3 : 3/4數(shù),Minitab,基礎(chǔ)統(tǒng)計(jì)量 (Display Descriptive Statistics),(#),18, Histogram of data : 制作 Histgram Histogram of data with normal curve : 制作 Histogram和正態(tài)分布曲線 Dotplot of data : 制作 Dotplot Boxplot of data : 制作 Boxplot Graphical summary : 把統(tǒng)計(jì)值用Graph輸出,Normality Test : 正態(tài)性檢定 A-Squared : 越接近零時(shí)判斷為接近正態(tài) P-Value : 比留意水準(zhǔn)大時(shí)為正態(tài)性,Minitab,基礎(chǔ)統(tǒng)計(jì)量 (Display Descriptive Statistics),(#),19,計(jì)算統(tǒng)計(jì)量并保存在當(dāng)前的 Worksheet 在選擇兩個(gè)以上的 Col 時(shí)，變量名區(qū)分為 1,2。 當(dāng)指定 By variable時(shí)，隨著相關(guān) Variable的種類按 Row 方向保存。,- First quartile:1/4數(shù) - Third quartile : 3/4數(shù) - Interquartile range : Q3-Q1 - Skewness : 歪度分布的對(duì)稱性 ,越接近0 越滿足對(duì)稱性 - Kurtosis : 添度分布的尖的程度為 0時(shí)正態(tài)分布, 負(fù)數(shù)為完滿, 正數(shù)時(shí) 比正態(tài)分布尖 - MSSD :把前后數(shù)據(jù)差的乘方除以2 - N nonmissing :填滿的Col數(shù) N missing : 空 Col 數(shù) Cumulative N : Col的DATA數(shù) - Percent : 集團(tuán)占有率 - Cum percent : 累積占有率,Minitab,保存基礎(chǔ)統(tǒng)計(jì)量 (Store Descriptive Statistics),(#),20,- 留意水準(zhǔn) : 犯第一種錯(cuò)誤的最大概率 - P-Value : 犯一種錯(cuò)誤的概率的推定值 - 駁回領(lǐng)域 : 駁回假設(shè)的部分領(lǐng)域 - 兩側(cè)檢定 : 駁回領(lǐng)域存在于兩端的檢定 - 單側(cè)檢定 : 駁回領(lǐng)域存在于分布一端時(shí)的檢定,Minitab,活用 Minitab 的假設(shè)檢定,(#),21,知道標(biāo)準(zhǔn)偏差時(shí)的母平均推定和檢定 檢定母平均是否已知道的特定值,Variables : 選定要分析的 Col Confidence interval :指定計(jì)算信賴區(qū)間的信賴度 Test mean : 檢定對(duì)象值(檢定時(shí)指定) Alternative : 設(shè)定對(duì)立假設(shè) Sigma : 輸入標(biāo)準(zhǔn)偏差 p 值比留意水準(zhǔn)小時(shí)駁回歸屬假設(shè) mu : 歸屬假設(shè), mu not : 對(duì)立假設(shè),結(jié)果解釋 : p值比留意水準(zhǔn)小 故駁回歸屬假設(shè), 即母平均不等于5。,Test mean 指定的情況,Minitab,1-Sample Z,EXH_STAT.MTW,One-Sample Z: Values Test of mu = 5 vs mu not = 5 The assumed sigma = 0.2 Variable N Mean StDev SE Mean Values 9 4.7889 0.2472 0.0667 Variable 95.0% CI Z P Values ( 4.6582, 4.9196) -3.17 0.002,(#),22,結(jié)果解釋 : 信賴區(qū)間為最小 4.6582, 最大4.9196(信賴度為 95%時(shí)),圖像對(duì) Test 與 Confidence interval 的輸出 不同。Test 時(shí) Ho值追加表示。,Minitab,1-Sample Z,(#),23,不知標(biāo)準(zhǔn)偏差時(shí)母平均的推定和檢定,Variables : 指定要分析的 Col Confidence interval : 指定計(jì)算信賴區(qū)間的信賴度 Test mean :指定檢定時(shí)對(duì)象值 Alternative : 設(shè)定對(duì)立假設(shè) StDev : 標(biāo)準(zhǔn)偏差 SE Mean : 平均誤差 CI : 信賴區(qū)間 mu : 歸屬假設(shè), mu not : 對(duì)立假設(shè) P值比留意水準(zhǔn)小時(shí)駁回Ho，即p值指脫離的概率。,結(jié)果解釋 : p值小于5%留意水準(zhǔn)， 故駁回歸屬假設(shè), 即平均不等于5,Test mean 指定的情況,Minitab,1-Sample t,EXH_STAT.MTW,(#),24,不知標(biāo)準(zhǔn)偏差時(shí)兩個(gè)母平均差的推定和檢定,Samples in one column(stack形態(tài)) : 在1Col中比較兩個(gè) 集團(tuán) Sample in different columns(unstack形態(tài)) - First :選擇第一個(gè) Col - Second : 選擇第二個(gè) Col Alternative : 設(shè)定對(duì)立假設(shè) Confidence level :設(shè)定信賴水準(zhǔn) Assume equal variance :假設(shè)兩個(gè)集團(tuán)的母分散一致,結(jié)果解釋 : p值大于 5% 有益水準(zhǔn)， 故選擇歸屬假設(shè)， 即兩個(gè)母平均在95% 信賴區(qū)間無(wú)差異,Minitab,2-Sample t,Two-Sample T-Test and CI: BTU.In, Damper Two-sample T for BTU.In Damper N Mean StDev SE Mean 1 40 9.91 3.02 0.48 2 50 10.14 2.77 0.39 Difference = mu (1) - mu (2) Estimate for difference: -0.235 95% CI for difference: (-1.464, 0.993) T-Test of difference = 0 (vs not =): T-Value = -0.38 P-Value = 0.704 DF = 80,Furnace.mtw,(#),25,有關(guān)對(duì)應(yīng)的兩個(gè)母集團(tuán)的母平均差的推定和檢定,First sample : 選擇第一個(gè) data Col Second sample : 選擇第二個(gè) data Col - 1 Col 與 2 Col 的資料數(shù)應(yīng)相同 Confidence level : 輸入信賴度 Test mean : 輸入對(duì)應(yīng)差的檢定平均值 Alternative : 設(shè)定對(duì)立假設(shè),結(jié)果解釋 : p值小于留意水準(zhǔn) 5%， 故駁回歸屬 假設(shè),即兩個(gè)母平均間有差,EXH_STAT.MTW,Minitab,Paired t,(#),26,母不良率的推定及檢定,Samples in columns :只限兩種文字或者數(shù)字 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 : 決定是否按 正態(tài)分布近似計(jì)算,結(jié)果解釋:p值比留意水準(zhǔn) 5%小， 故駁回歸屬假設(shè),Minitab,1-Proportion(單一母集團(tuán)母比率的檢.推定),(#),27,兩個(gè)母不良率差的推定及檢定,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,2-Proportion(兩個(gè)母集團(tuán)母比率的檢.推定),(#),28,Minitab,2Variances(兩個(gè)母集團(tuán)分散的同一性檢定),EXH_STAT.MTW,兩個(gè)母集團(tuán)的分散的同一性檢定,在做分散的同一性檢定之前 ， 有必要先做正態(tài)性數(shù)據(jù)檢定。 隨正態(tài)分布時(shí)F-Test 結(jié)果, 不隨正態(tài)分布時(shí)看Levenes 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。 （ 相同 ）,(#),29,命名兩個(gè)變量間關(guān)系的方法,Variables : 要分析的 Col Display p-value : 輸出p值 Store matrix :保存為 matrix,結(jié)果解釋:p值比留意水準(zhǔn) 5%小， 故駁回歸屬假設(shè)， 即各變量之間有關(guān)系,GRADES.MTW,Minitab,Correlation(相關(guān)分析),(#),30,公分散為像相關(guān)分析似的表示兩個(gè)變量間關(guān)系的統(tǒng)計(jì)量,- Verbal與 Math 的標(biāo)本公分散為 1333.9704 - Verbal與 GPA 的標(biāo)本公分散為 13.6995 - GPA與 Math 的標(biāo)本公分散為 7.4790,Minitab,Covariance(公分散),GRADES.MTW,(#),31,檢定資料的分布形態(tài)是否隨正態(tài)分布的分析法 歸屬假設(shè) : 數(shù)據(jù)是隨正態(tài)分布 對(duì)立假設(shè) : 數(shù)據(jù)是不隨正態(tài)分布,Variable : 設(shè)定需正態(tài)性檢定的 Col(變量) Reference probabilities : 輸入概率值 Tests for Normality : 三個(gè)方法中選擇一種,結(jié)果分析:首先若資料與圖象中的 直線一致，可認(rèn)為按正態(tài)分布。 因 P-value為0.022比留意水準(zhǔn)小， 故駁回歸屬假設(shè)，即不隨正態(tài)分布,Cranksh.mtw,Minitab,Normality Test(正態(tài)性檢定),(#),32,(#),33,3. 回歸分析,(#),34,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 R-square 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),(#),35,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,EXH_REGR.MTW,(#),36,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 -Durbin-Watson statistic :指定檢定殘差自己相關(guān) Durbin-Watson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,(#),37,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,(#),38,Minitab,Regression,分析結(jié)果,回歸方程式為 SCORE2=1.12+0.218SCORE1 P值比留意水準(zhǔn)小，故駁回歸屬 假設(shè)。即兩個(gè)變量的回歸系數(shù) 不是 0。 對(duì)資料的說(shuō)明程度(決定系數(shù))為 95.7%，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。 新數(shù)據(jù)的信賴區(qū)間為 (2.7614, 3.0439), 預(yù)測(cè)區(qū)間為 (2.5697, 3.2356)。,(#),39,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,(#),40,Minitab,Stepwise,Response:輸入反應(yīng)變量(Pulse2) Predictors:輸入說(shuō)明變量(Pulse1 Ran-Weight) 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),PULSE.MTW,(#),41,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. Alpha-to-Enter: 0.1 Response is Pulse2 on 3 predictors, with N = 92 Step 1 2 3 Constant 10.28 44.48 70.85 Pulse1 0.957 0.912 0.851 T-Value 7.42 9.74 9.27 P-Value 0.000 0.000 0.000 Ran -19.1 -20.6 T-Value -9.05 -9.93 P-Value 0.000 0.000 Weight -0.134 T-Value -3.08 P-Value 0.003 S 13.5 9.82 9.39 R-Sq 37.97 67.71 70.85 R-Sq(adj) 37.28 66.98 69.85 C-p 99.3 11.5 4.0 best alt. Variable Ran Weight T-Value -6.70 -0.54 P-Value 0.000 0.591 Variable Weight T-Value -1.62 P-Value 0.108,(#),42,Minitab,Best Subsets,在分析者所希望的說(shuō)明變量中找出最佳模型的分析,Response:指定反應(yīng)變量 Free predictors:指定在模型里包含可能性的 變量 Predictors in all models:指定必須包含在模型 中的變量,包含在模型的至少變量數(shù)和最大變量數(shù) 在說(shuō)明變量數(shù)為相同的組合中，指定 最高說(shuō)明結(jié)果的幾個(gè)輸出與否,EXH_REGR.MTW,(#),43,結(jié)果解釋,在模型選擇上有根據(jù)的統(tǒng)計(jì)量 (R-square, adj-R, Cp) Vars:包含在各模型的說(shuō)明變量數(shù)。 以下是如前所定的5個(gè)說(shuō)明變量中包含 2個(gè)至4個(gè)的模型中按R-square高順序 所表示的。 另在包含2個(gè)、3個(gè)、4個(gè)說(shuō)明變量的模型 中，每各變量個(gè)數(shù)輸出3個(gè)。,Minitab,Best Subsets,(#),44,履行單一回歸步驟, 繪出回歸圖 在線型回歸及多項(xiàng)回歸中有用的方法, 即一個(gè)變量對(duì)應(yīng)一個(gè)反應(yīng)值時(shí)。,Options.,Response:指定反應(yīng)變量 Predictor:指定說(shuō)明變量(僅一個(gè)) Type of Regression Model:指定回歸 Model (1,2,3次方程式),Transformations:反應(yīng)變量與說(shuō)明 變量取10為底的 Log Display Option:表示信賴區(qū)間及 預(yù)測(cè)區(qū)間,Minitab,Fitted Line Plot,(#),45,Minitab,Fitted Line Plot,結(jié)果解釋,顯示2次項(xiàng)模型比直線模型更為適合,(#),46,殘差 plot 是為回歸分析診斷而使用 回歸分析時(shí), 若保存了殘差和推定值(Fits),則利用 Residual Plot 步驟繪出殘差圖形。,進(jìn)行殘差分析之前應(yīng)先保存殘差和適合值 Stat Regression Storage : 把 Fits與 Residual check,Residuals : 指定殘差 Fits : 指定反應(yīng)變量的推定值,Minitab,Residual Plots,(#),47,Minitab,Residual Plots,顯示為檢查殘差是否近似于正態(tài)分布的正態(tài)概率圖， 接近直線時(shí)為良好。,用類似于正態(tài)概率圖的用途顯示全面的殘差 形態(tài)的圖象，正態(tài)分布形態(tài)時(shí)為良好,殘差對(duì)適合值的圖象是顯示越小的預(yù)測(cè)值 更為適合,(#),48,當(dāng)反應(yīng)變量不是連續(xù)性的二分型(0,1)資料時(shí)的回歸分析,Response:指定反應(yīng)變量 Frequency:輸入頻率數(shù) 存在成功與試行次數(shù), 成功與失敗, 失敗 與試行次數(shù)形態(tài)的反應(yīng)變量時(shí)，各自輸入。 Model:指定說(shuō)明變量 Factors:在說(shuō)明變量中指定離散型變量,Graph.,指定為回歸模型診斷的各種圖象,EXH_REGR.MTW,Minitab,Binary Logistic Regression,(#),49,Results.,通過(guò)圖象診斷過(guò)程中顯示不適合模型的值有2個(gè)。 在圖象上按鼠標(biāo)右鍵則出現(xiàn) Play菜單，并通過(guò) Brush確認(rèn)是第31號(hào)值與第66號(hào)值,Minitab,Binary Logistic Regression,(#),50,Binary Logistic Regression Link Function: Logit Response Information Variable Value Count RestingP Low 70 (Eve