相关性分析和单元回归分析PPT.ppt

Ben.W-6Sigma doc * * 相关性分析和回归分析 * Ben.W-6Sigma doc * 变量定义 在实际的工作中，我们经常会与变量打交道，比如：炼钢温度与含碳量、广告支出与营业额、汽车使用年限与年平均成本、加工工艺条件与产品性能指标等，它们会随着条件的变化，取不同的值，在数学上称之为变量。 * Ben.W-6Sigma doc * 变量种类 第一种类型：变量间的关系是确定的，总可以用某种函数来表示。 第二种类型：变量间有某种关系，但又不是确定性的关系，称之为相关关系。 * Ben.W-6Sigma doc * 第二种变量 第一种：这种变量都是随机变量，彼此间地位相同，任一个变量既可以做因变量也可以做自变量。 第二种：某些变量是可以控制和测量的非随机变量，称之为自变量，另一个变量与它们有关，它是不可控的，是随机变量，称之为因变量。这里因变量与自变量地位不同，不能互换。 * Ben.W-6Sigma doc * 分析方法 地位相同————相关分析 地位不同————回归分析 * Ben.W-6Sigma doc * 相关分析-流程 确定变量间理论有无关系或可能有无关系 收集数据 相关分析 Yes P值判定 r值判定 ≥0.8才够强 有无相关性 相关强度怎样 结论：有无相关、相关强度 * Ben.W-6Sigma doc * 相关分析-P值 P值＞α值：接受H0,X跟Y无关 P值＜α值：拒绝H0,X跟Y有关 * Ben.W-6Sigma doc * 相关分析-相关系数 相关系数r是两个变量间线性相关关系密切程度的度量。 * Ben.W-6Sigma doc * 相关分析-相关系数 r = L x y L x x L y y X跟Y的离差乘积和 r ≤ 1 备注： r值的绝对值永远不可能超过1 * Ben.W-6Sigma doc * 相关分析-相关系数 r=1 r= 0.914 r= 0.266 r= -1 * Ben.W-6Sigma doc * 相关分析-相关类型 强正相关 强负相关 弱正相关 弱负相关 无线性相关 * Ben.W-6Sigma doc * 相关分析-相关系数 清楚认识：如果r接近于0，我们不能断言“x跟y无关”，实际上x跟y可能有其他关系，而非线性关系。当r接近于0时，我们可以说“x跟y无线性关系” * Ben.W-6Sigma doc * 相关分析 * Ben.W-6Sigma doc * 相关分析 * Ben.W-6Sigma doc * 相关分析 P值：显示X跟Y有无相关。 相关系数：反应X跟Y的相关程度。 * Ben.W-6Sigma doc * 统计假设 收集数据（至少6组以上） Fitted Line Plot Regression 评估残差 NG NG 评估P值和R Squa OK 制订决策 OK 单元回归分析 * Ben.W-6Sigma doc * 单元回归分析 P值：判定X跟Y有无相关 R Squa :判定线性拟合方程的准确性 一般≥0.7才够准确 * Ben.W-6Sigma doc * 单元回归分析 X试验顺序要随机，用MINITAB对试验顺序进行随机。 * Ben.W-6Sigma doc * 单元回归分析 * Ben.W-6Sigma doc * 单元回归分析 * Ben.W-6Sigma doc * 单元回归分析 残值数据独立性检查 残值等方差检验 残值正态性检查 残值分布图 * Ben.W-6Sigma doc * 单元回归分析 数据独立性检查：判断残值是否随机波动，彼此间是否是独立的。判断标准 为，数据是否围绕水平轴随机波动。 残值等方差检验：考察此散点图中残差是否保持等方差。判断标准为，数 据是否围绕水平轴随机波动，无喇叭形或漏斗形。 残值正态性检查和残值分布图：判断残差是否符合正态分布。 * Ben.W-6Sigma doc * 单元回归分析 R-Sq:显示线性模拟准确程度 当R-Sq达标时，线性回归方 程有很高的预测形 * Ben.W-6Sigma doc * 单元回归分析 * Ben.W-6Sigma doc * 单元回归分析 一般回归分析完成以后，要依据Y的需求用函式计算X取值，然后对新的X设定下得到的Y值进行效果验证和能力评估。 6Sigma doc 6Sigma doc Ben.W-6Sigma doc