如何使用MINTAB进行回归分析

1、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差不多上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可能值。 然而MINITAB的 推理回归命令是获得参数最大概率可能。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。使用下表来关心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

2、 残差分析、产生点可能、产生预测和 置信区间以及进行LACK-FIT 检验。连续型最小一乘法逐步回归分析为了识不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。连续型最小一乘法取佳子集识不以 R2为基础的预测因子最佳子 集。连续型最小一乘法拟合线性图使用单个预测因子执行线性和多项回 归，同时用数据绘制回归线。以实际 和 logio为基础。连续型最小一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。连续型最小一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

3、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：无阻碍、中等阻碍、严峻 阻碍。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能够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。 使用本程序您能够产生最小二乘法关系模型， 贮存回 归统计量，检验残差，产生点可能、进行预测以及置信区间，同 时能够进行lack-of-fit检验。同时您也能够使用该命令产生多元回归关系模型。 然而， 假如您 要使用一个预测因子来获得一个多元回归关系模型， 您将会发觉 使用拟合线性图更好。数据在数

4、字型列中输入相等长度的响应和预测因子变量， 如此您的工 作表中每行的数据包含着对应观看值的测量结果。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.假如需要的话，能够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Regression through the originon pa

5、ge 2-7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 5n）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：不输出可能的回归关系方程，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 Interceptseefits与每个预测因子相关

6、 - 参考2-7页Variance inflationfactor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 氏。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2-9页 新的观测值的预测。存储子对话框存储系数、 拟合值、以及正常、 标准、已删除残差图-参考2-5页选择残差类型。显示variance inflation因子

7、（VIF-共线性阻碍度量值）n store the leverages, Cooks distances, and DFITS, foriden tify ing outliersseeIdentifying outlierson page 2-9.存储store t he mean square error, the (X X)-1 matrix, and theR matrix of the QR orCholesky decompositi on. (The varia nce-covaria nee matrixof the coefficie nts isMSE*XX-1J See

8、Help for in formation on these matrices.残差分析及回归推断当建立了回归关系模，回归分析通常没有完成。您同样也能够检 验残差图和其它回归推理来评定残差图是否是随机和正态分布。MINITAB通过图形子对话图提供许多残差图，做为选择，关系模型及残差被存储以后，您能够使用统计回归残差图命令能够在 同一图形窗口获得四个残差图。MINITAB也能够用回归推理来识不不正常的观测值，这些观测值 可能对回归结果产生专门显著的阻碍，参考2-9页识不OUTLIERS您可检验一下这些异常数据看它们是否正确。假如如此的话，您能够确定它们什么缘故产生异常以及它们对回归关系 方程有什么阻碍。您也能够验证当存在OUTLIERS寸，回归结果的敏感程度。Outliers能够暗示关系模型不充分或者需要另外 的信息。选择残差类型您能够计算三各残差类型，使用下表能够关心您选择哪种图形。残差类型选择您需要列计算方法常规examine residuals in the origina