六西格玛教材40-24（unit-4分析 4.9 相关回归）.pptVIP

数据应该受控, 探讨异常点 数据应呈现无规则状 残差分析 为什么进行残差分析? 关键的回归假设基于残差（而不是原始数据）的属性。 我们假设残差： 与 X 无关 稳定而且独立， 不随时间变化 是常量，不随预测的 Y 增加 而增大 是正态的（钟形的）， 平均值为 0 残差2 残差7 是否总是线性关系? 打开工作表 Multiwet.mtw 执行 Fitted Line Plot 并假定 Y=WetPU 且 X=ol_ph R2 = 27.2% 是该关系的正确评估吗？ 你可利用二次或三次方程，得到较合适的拟合线 中学代数 y = 3 + 4x + 2x2 在讨论温度或压力数据值时，常看到此关系 R2 值由 27% 增加到 79% 多项式回归分析:wet_pu 与 ol_ph 回归方程为 wet_pu = - 11.42 + 8.405 ol_ph - 1.113 ol_ph**2 S = 0.0911530 R-Sq = 79.5% R-Sq（调整） = 78.7% 方差分析 来源 自由度 SS MS F P 回归 2 1.54843 0.774213 93.18 0.000 误差 48 0.39883 0.008309 合计 50 1.94725 方差的序贯分析 来源 自由度 SS F P 线性 1 0.53021 18.33 0.000 二次 1 1.01822 122.55 0.000 注意，在此我们检验多个假设 我们如何计算 Epsilon2值? 1) 下列哪组数据适于应用相关和回归分析？ 顾客类型与销售量 顾客大小与利润 月与库存 2) 解释下页图表的意义 A) Wet_pu 与sl_vi 之间有无关系 B) 其关系为正向还是负向？ C) 若sl_vi 为 47.3 ，预测 Wet_pu 的值为多少？ 3) 是/非：若能确立 X 与 Y间的相关性，我就可以认为 Y 的变化是由 X 所引起的？ 陈述因果关系应该小心 即使我们建立了 y 与 x 的相关性，但并不能代表 x 的变异将一定导致 y 的变异。 其他潜在的变量，可能造成 x 与 y 的改变。 研究指出，医院规模增加，病人死亡率亦显著提升。这么说来，我们应该避免去大型医院就诊吗？ 回归问题探讨：X 丢失 0 1 2 4 5 X= 医院规模 Y = 死亡率 15 10 5 回归问题探讨:研究范围过于狭窄 0 1 2 4 5 X= 车龄 Y = 售价 15 10 5 车辆价格 车龄 现在看来应该如何? 0 1 5 10 15 20 25 30 35 40 45 50 回归问题探讨:研究范围过于狭窄 给BB的提示 在某些合适的条件下，计数型数据亦能利用此工具达成良好成效。请试用 R2值不需要是 “完美的” ____________________________________ ____________________________________ ____________________________________ 回顾 定义并计算相关系数 讨论相关性及因果关系 绘制并分析拟合直线图 介绍回归分析的基本知识 使用回归分析技术建立数学预测模型 评审回归分析的风险 所有模型都是错误的，但其中有一些是有用的。  —George Box * * * * * * * * 7 Explain difference/similarity between r and R-squared. R-squared is a measure of the tightness of fit. Linear Regression:Detailed measure of association between an independent (X) and a dependent (Y) variable. Output of a linear regression is an equation of a line that represents the linear relationship between X and Y. Correlation: Measure of strength o