六西格玛培训讲义方差与回规.pptxVIP

本 章 目 标;方差分析的引入(续一);方差分析的引入（续三）;方差分析的引入(续四);7.2 怎样得到F统计量;怎样得到F统计量;方差分析的前提;检验方差是否一致;给出假设;相关分析是研究事物的相互关系，测定它们联系的紧密程度，揭示其变化的具体形式和规律性的统计方法，是构造各种经济模型、进行结构分析、政策评价、预测和控制的重要工具。;符号：r0 正相关；r0 负相关;相关系数的检验：;1.一元线性回归模型拟合优度的评价; 2. 一元线性回归模型的显著性检验;;1.提出假设： H0：R2=0；H1：R2≠0 2.计算检验统计量 3.比较做出判断 ;8.6 一元线性回归模型的Minitab实现;;常见的可线性化的曲线回归方程：;常用的非线性函数的线性变换法;常用的非线性函数的线性变换法(续);回归分析的一般程序;9.1 多元线性回归分析的基本理论 ;多元线性回归模型的性质;一.拟合程度的评价 调整可决系数 　　 　 　 　　　 式中，n是样本容量；k是模型中回归系数的个数。 调整可决系数 的特点。 ; 二. 多元线性回归模型的显著性检验; 二. 多元线性回归模型的显著性检验(续一);回归方程的显著性检验 具体的方法步骤 回归模型方差分析表 F统计量　　　　　　 　　　　 ;例9－1：在研究某超市顾客人数y与该超市促销费用x1 、超市面积x2 、超市位置x3之间关系时，选取变量如下： y——某超市某一周六顾客人数（千人） x1——该超市上周促销所花的费用（万元) x2——该超市的面积（百平方米） x3——超市所处位置(0表示市区、1表示郊区) 按照y变量排序后的原始数据是： ;输入数据见图;;若我们上面的预测方程不显著，但确实知道其中几个变量存在着一定的线性关系，我们也可以运用逐步回归的方法对变量进行分析处理 。;;SS(factor)的自由度 是, ;因子 (factor);Regression Analysis: Oxygen purity % versus Hydrocarbon % The regression equation is Oxygen purity % = 74.3 + 14.9 Hydrocarbon % Predictor Coef SE Coef T P Constant 74.283 1.593 46.62 0.000 Hydrocar 14.947 1.317 11.35 0.000 S = 1.087 R-Sq = 87.7% R-Sq(adj) = 87.1% Analysis of Variance Source DF SS MS F P Regression 1 152.13 152.13 128.86 0.000 Residual Error 18 21.25 1.18 Total 19 173.38;R2 = 1 means the regression equation provides a perfect fit for the sample data. R2 = 1表示回归等式与抽样数据完全吻合;Influential Observations具有影响的数据点;These observations are not necessarily bad, therefore you may not need to censor them. 这些现象并不一定是坏现象，因此你不一定要删除他们。;;;;How To Handle Outliers 界外点的处理方法;