回归分析在minitab和ms.docVIP

回归分析在Minitab和MSExcel中的实现 (2012-09-0919:10:50) 转载▼ 在质量管理中分析两个变量之间的关系是经常要碰到的问题，而回归分析是一种分析两个变量之间关系的统计技术，通过回归分析可以以量化的方式阐明变量之间存在怎样的关系，再通过拟合曲线可以让人形象的感知，以数据为依据，有的放矢，事半而功倍。 现以实例说明如何进行回归分析。 例：有两组数据如下： 序号 X（%） Y10MPa 1 0.1 42 2 0.11 43.5 3 0.12 45 4 0.13 45.5 5 0.14 45 6 0.15 47.5 7 0.16 49 8 0.17 53 9 0.18 50 10 0.2 55 11 0.21 55 12 0.23 60 Minitab软件是进行回归分析的便捷工具，不多说，上图。 依次点击菜单“统计——回归－回归”。 弹出一对话框 在“响应”栏中选择C3列“Y10MPa”为因变量，再选择C2列“X（%）”为自变量，点击“确定”即可，在会话窗口显示结果： 回归分析:Y10MPa与X（%） 回归方程为 Y10MPa=28.5+131X（%） 系数标 自变量系数准误TP 常量28.4931.58018.040.000 X（%）130.8359.68313.510.000 S=1.31945R-Sq=94.8%R-Sq（调整）=94.3% 方差分析 来源自由度SSMSFP 回归1317.82317.82182.550.000 残差误差1017.411.74 合计11335.23 都全了，不错的线性关系。 再依次点击菜单“统计——回归－拟合线图”，方程曲线就出来了。 如果电脑中没有安装Minitab，也可以在MSExcel中计算出方程。下图是公式： 下图是计算结果： 将计算结果代入方程Y=a+bx即可求解，而方差分析的一些内容也是可以用Excel的公式方便的求解。 说明： S：在拟合线图中叫优度，是表示曲线拟合程度的参数，而在方差分析中S叫标准方差。 R-Sq：相关指数，是pearson相关系数r的平方，表示回归模型误差占总误差的百分比，取值在0－1之间，数值越大说明因素越显著，也说明回归模型与数据拟合的越好。 R-Sq(调整)：Minitab调整的R-Sq，取值也在0-1之间，R-Sq(调整)与R-Sq越接近，表明回归模型越可靠。一般来说若75%，存在相关性，我们可以谨慎使用，若85%以上则关系显著。 pearson相关系数r的计算公式： 其实回归模型中的一元线性方程的完整形式为Y=a+bx+ε，Yx称为解释变量或协变量（由其引起的误差可以观测并解释），ε是一个不可观测的随机误差。既然不可观测，人们通常只研究可以观测的部分，所以实际应用中只采用公式Y=a+bx。 SS:离差平方和 MS：均方差，等于SS/自由度 F：=MS1/MS2 P：显著性水平，当P0.05时，存在显著性相关所谓残差是指观测值与预测值（拟合值）之间的差，即是实际观察值与回归估计值的差。在回归分析中，测定值与按回归方程预测的值之差，以δ表示。残差δ遵从正态分布N(0，σ2)。（δ-残差的均值）/残差的标准差，称为标准化残差，以δ*表示。δ*遵从标准正态分布N(0，1)。实验点的标准化残差落在(-2，2)区间以外的概率≤0.05。若某一实验点的标准化残差落在(-2，2)区间以外，可在95%置信度将其判为异常实验点，不参与回归线拟合。 显然，有多少对数据，就有多少个残差。残差分析就是通过残差所提供的信息，分析出数据的可靠性、周期性或其它干扰 。回归分析中SS，MS，F，P，S、R-Sq和R-Sq（调整）是什么意思，有什么意义？S：回归模型误差的标准方差。R-Sq：回归模型误差占总误差的百分比。取值在0%和100%之间，数值越大，表明回归模型与数据吻合得越好。R-Sq(adj)：调整的R-Sq，取值也在0%和100%之间。R-Sq(adj)与R-Sq越接近，表明回归模型越可靠。 SS:离散差平方和 MS：均方差，=SS/自由度 F=MS1/MS2 P：显著性水平，当P小于0.05时，存在显著性相关 R-sq值越大越好,后面r-sq是minitab调整后的值,若大于百分之七十,存在相关性,我们可以使用,但需谨慎,85%以上,关系显著,也可以对话框的p值,=0.05,关系显著