Minitab教程案例课件资料.pptVIP

公分散为像相关分析似的表示两个变量间关系的统计量 - Verbal与 Math 的标本公分散为 1333.9704 - Verbal与 GPA 的标本公分散为 13.6995 - GPA与 Math 的标本公分散为 7.4790 Minitab Covariance(公分散) GRADES.MTW * * 第三十页，共五十一页。 检定资料的分布形态是否随正态分布的分析法 归属假设 : 数据是随正态分布 对立假设 : 数据是不随正态分布 Variable : 设定需正态性检定的 Col(变量) Reference probabilities : 输入概率值 Tests for Normality : 三个方法中选择一种 结果分析:首先若资料与图象中的 直线一致，可认为按正态分布。 因 P-value为0.022比留意水准小， 故驳回归属假设，即不随正态分布 Cranksh.mtw Minitab Normality Test(正态性检定) * * 第三十一页，共五十一页。 * * 第三十二页，共五十一页。 3. 回归分析 * * 第三十三页，共五十一页。 为了模型化及调查反应变量与一个以上的独立变量之间关系的分析 Least square regression : 反应变量为连续性资料时 Regression:利用最小乘方法，实施单一回归或多重回归 Stepwise Regression:为了找出最合适的说明变量模型 进行追加或删除变量而分析 Best Subsets Regression : 利用最大 R-square 基准来 分析最大 Subset 回归 Fitted Line Plot:用一个预测变量的线型或多次项进行 回归分析 Residual Plot : 为残差分析的 Plot作成 Logistic square regression:反应变量为范筹型资料时 Binary Logistic Regression:利用二项反应变量的回归 分析(2个范筹时) Ordinal Logistic Regression:利用顺序型反应变量的 回归分析(3个以上范筹时) Nominal Logistic Regression:利用名目型反应变量的 回归分析(3个以上范筹时) Minitab 回归分析基础 * * 第三十四页，共五十一页。 Minitab Regression 在两个以上变量的关系上建立数学函数的方法 Response : 选择种属变量(结果值) - Score 2 Predictors : 选择独立变量(输入值) - Score 1 EXH_REGR.MTW * * 第三十五页，共五十一页。 Options... Weight:为加重回归指定有加重值的 Col Fit intercept:决定在模型中是否除去绝对项 Display - Variance inflation factors:以多重空线型判别(VIF) 影响值，指定VIF值输出与否 -Durbin-Watson statistic :指定检定残差自己相关 Durbin-Watson统计量输出与否 Lack of Fit Tests -Pure error:指定履行适合性检定时纯误差项的 输出与否 -Data subsetting:指定把说明变量细分而提供类似 反复效果的算法适用与否 Prediction intervals for new observation:推定回归 式后，按说明变量的值推定y值 Storage -Fits:指定是否保存推定的y -Confidence limits:指定是否保存推定y的信赖水准的 信赖区间 -SDs of fits:指定是否保存y的标准偏差 -Predicction limits:指定是否保存y的预测界限 Minitab Regression * * 第三十六页，共五十一页。 * * 1. Minitab 的操作 * * 第一页，共五十一页。 MINITAB = Mini + Tabulator =小型 + 计算机 介绍 于1972年，美国宾夕法尼亚 州立大学用来作统计分析、教育用而开发，目前已出版 Wind