单变量回归(eviews)汇编.pptVIP

第8部分: 单变量回归;目的： 介绍作为实证模型建立方法的回归分析，以模拟具有连续响应变量“ Y” 的过程。（定义：‘实证’－基于观测值或事实）;什么是回归？ 描述“ Y”与“X”关系的数学方法 － 创建工序的“模型”。 Y=b0+b1x+e 其中： b0为Y截距 b1为直线斜率 e为模型的误差项 为何要使用回归？ 寻找潜在的关键少数“ X” 预测“ Y” 优化“Y” 确定如何设置“ X”以优化“ Y” 何时使用回归？ 筛选被动数据（历史或基准数据），以找到潜在的关键“ X” 危险!不要使用被动数据得出最终结论。还要继续进行DOE（试验设计）…记住被动数据是历史数据；这种关系当前可能并不存在。 分析DOE（试验设计）的结果; ;·;收集数据;Minitab的单变量回归;看上去是线性!!!;2) 运行数据的回归分析;此对话框用于生成残差(误差)图 －??用这些图形检验您的模型中有关误差的假设 单击此框，指明您想看的图形;“ X” 变量的p值 - 速度 Ho: 斜率= 0 Ha: 斜率 = 0 或者，另一种表达方式： Ho: “ X” 不显著 Ha: “ X” 显著;s: 残差(误差)的标准差。残差为观测值－预测值。换句话说，指观测点至回 归方程式