SigmaBB培训资料ARegressionandcorrelation.pptVIP

相关关系的滥用和误用 残差(Residual)是什么? 实际观测值 和 根据模型所得的计算值 之间的差异。 残差分析 确认模式的适当性。 即，用于正态性，独立性，等分散性的检讨。 残差分析 输入变量 ? ? ? ? ? ? ? ? 输出变量 ? - 残差越小，推测的回归公式更能说明 实际的观测结果。 - 残差是误差的最好的推测值。 - 残差按独立变量的大小顺序排列或 按资料顺序排列时，此时对0对称，没 有特别的倾向。 非正常的残差形态 ?需要进一步考虑等分散性的情况 ?需要进一步考虑独立性及线性的情况 ?需要进一步考虑其他变量的情况 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 非正常的残差形态 例题 对S社A产品的强度(y; kg/cm2)和生产此产品过程中工程温度(x; oC)进行回归分析。 (文件名: Corre- Scatt39.mtw ) 336 325 418 375 355 367 445 385 365 375 455 395 395 395 405 365 346 355 429 385 365 365 445 405 395 375 465 405 346 335 417 395 365 345 445 395 388 353 459 415 435 365 工程温度 强度 MINITAB活用：回归分析 工程温度 强度 MINITAB活用：回归分析 阶段1 : 在Work sheet里输入数据 阶段2 : 先把数据plotting，确认大体的形状。 Minitab : Graph Plot 工程温度和强度有阳的相关关系。 阶段3 : 为了确认两个变量之间的关联性进行相关分析 Minitab : Stat Basic Statistics Correlation MINITAB活用：回归分析 相关系数是0.834有阳的相关关系，p值为0.000，比有意水准 0.05小，所以工程温度和强度的相关关系是有意的。 Minitab 执行结果 MINITAB活用：回归分析 阶段4 : 用回归分析导出回归方程式 Minitab: Stat Regression Regression MINITAB活用：回归分析 Minitab 执行结果 决定系数(R-Sq) 回归方程式 MINITAB活用：回归分析 MINITAB活用：回归分析 决定回归方程式之前先确认下面问题。 通过回归分析确认的1次回归方程式适合吗？ 是否需要高次模式？ 分析残差。 阶段5 : 通过分析回归模式，决定是否需要高次回归模式 Minitab: Stat Regression Fitted Line Plot 保存残差分析时使用的残差 Minitab: Storage Residuals Fits 决定回归模式形态 - Linear : 线性回归 - Quadratic : 2次曲线回归 - Cubic : 3次曲线回归 MINITAB活用：回归分析 1次模式 : R2-adj = 67.9% 2次模式 : R2 -adj = 66.4% 3次模式 : R2 -adj = 70.1% Minitab 执行结果 MINITAB活用：回归分析 R-Sq(adj)是70.1% 显示3次回归模式 回归方程式有意 前面3次回归模式的R2值最大，但看结果2，3次回归模式的p-value大于0.05，所以不有意。即：2，3次效果不太大，因此利用线性模式就可以。 对比2, 3次模型，1次模型更适合 Minitab 执行结果 MINITAB活用：回归分析 阶段6 :