Welche Regressions- und Korrelationsanalysen sind in Minitab enthalten?

Minitab bietet verschiedene Regressionsanalysen zum Untersuchen und Modellieren der Beziehung zwischen einer Antwortvariablen und einer oder mehrere Prädiktorvariablen.

In diesem Thema

Grundlegende Assoziationsmaße
Regressionsanalysen für stetige Antwortvariablen
Regressionsanalysen für diskrete Antwortvariablen

Grundlegende Assoziationsmaße

Korrelation: Verwenden Sie diese Option, um die Korrelation nach Pearson oder den Rangkorrelationskoeffizienten nach Spearman (auch als Spearmans Rho bezeichnet) zu berechnen. Wählen Sie in Minitab Statistik > Statistische Standardverfahren > Korrelation aus.
Kovarianz: Verwenden Sie diese Option, um die Kovarianz zu berechnen; dies ist ein Maß für die Beziehung zwischen zwei Variablen. Anders als der Korrelationskoeffizient ist die Kovarianz nicht standardisiert. Wählen Sie in Minitab Statistik > Statistische Standardverfahren > Kovarianz aus.

Regressionsanalysen für stetige Antwortvariablen

Verwenden Sie die folgenden Analysen, wenn eine stetige Antwortvariable vorliegt.

Regression: Hiermit modellieren Sie die Beziehung zwischen kategorialen oder stetigen Prädiktoren und einer Antwortvariablen und prognostizieren anhand des Modells Werte der Antwortvariablen für neue Beobachtungen. Sie können einfach Wechselwirkungsterme und Polynomialterme einbinden, die Antwortvariable transformieren oder ggf. die schrittweise Regression verwenden. Wählen Sie in Minitab Statistik > Regression > Regression > Regressionsmodell anpassen aus.
Beste Teilmengen: Hiermit vergleichen Sie alle möglichen Modelle mit Hilfe einer angegebenen Gruppe von Prädiktoren und zeigen die am besten angepassten Modelle mit einem Prädiktor, zwei Prädiktoren usw. an. Wählen Sie in Minitab Statistik > Regression > Regression > Beste Teilmengen aus.
Darstellung der Anpassungslinie: Hiermit stellen Sie die lineare Beziehung zwischen einem Prädiktor und einer Antwortvariablen dar. Wählen Sie in Minitab Statistik > Regression > Darstellung der Anpassungslinie aus.
Nichtlineare Regression: Hiermit modellieren Sie die Beziehung zwischen Prädiktoren und einer Antwortvariablen, wenn quadratische oder kubische Terme nicht ausreichen. Verwenden Sie diese Option, wenn Sie eine Beziehung als nichtlineare Beziehung, z. B. als nichtlineares Wachstum oder nichtlinearen Rückgang, beschreiben können. Wählen Sie in Minitab Statistik > Regression > Nichtlineare Regression aus.
Stabilitätsuntersuchung: Mit dieser Funktion planen Sie eine Stabilitätsuntersuchung und erstellen ein benutzerspezifisches Arbeitsblatt für die Datenerfassung. Wählen Sie in Minitab Statistik > Regression > Stabilitätsuntersuchung > Arbeitsblatt für Stabilitätsuntersuchung erstellen aus.; Mit dieser Funktion schätzen Sie unter Verwendung eines linearen Modells die Haltbarkeit eines Medikaments. Wählen Sie in Minitab Statistik > Regression > Stabilitätsuntersuchung aus.
Orthogonale Regression: Hiermit modellieren Sie die Beziehung zwischen einer Antwortvariablen und einem Prädiktor, wenn die Messwerte der Antwortvariablen und des Prädiktors Zufallsfehler enthalten. Wählen Sie in Minitab Statistik > Regression > Orthogonale Regression aus.
Partielle kleinste Quadrate: Hiermit ermitteln Sie, ob eine Gruppe von Prädiktoren eine Beziehung zu den Antwortvariablen aufweist. Verwenden Sie diese Option, wenn hochgradig kollineare Prädiktoren vorliegen oder mehr Prädiktoren als Beobachtungen vorhanden sind. Wählen Sie in Minitab Statistik > Regression > Partielle kleinste Quadrate aus.

Regressionsanalysen für diskrete Antwortvariablen

Verwenden Sie die folgenden Analysen, wenn eine diskrete Antwortvariable vorliegt.

Binäre logistische Regression: Hiermit modellieren Sie sie Beziehung zwischen Prädiktoren und einer Antwortvariablen, die zwei Ergebnisse aufweisen kann, z. B. „Bestanden“ oder „Nicht bestanden“. Wählen Sie in Minitab Statistik > Regression > Binäre logistische Regression > Binäres logistisches Modell anpassen aus.
Darstellung der binären Anpassungslinie: Hiermit stellen Sie Anpassungslinien der binären logistischen Regression mit Konfidenzintervallen dar. Wählen Sie in Minitab Statistik > Regression > Darstellung der binären Anpassungslinie aus.
Ordinale logistische Regression: Hiermit modellieren Sie die Beziehung zwischen Prädiktoren und einer Antwortvariablen mit drei oder mehr Ergebniskategorien, die eine Reihenfolge aufweisen, z. B. niedrig, mittel und hoch. Wählen Sie in Minitab Statistik > Regression > Ordinale Logistische Regression aus.
Nominale logistische Regression: Hiermit modellieren Sie Beziehung zwischen Prädiktoren und einer Antwortvariablen mit drei oder mehr Ergebnissen, die keine Reihenfolge aufweisen, z. B. Kratzer, Dellen und Risse. Wählen Sie in Minitab Statistik > Regression > Nominale Logistische Regression aus.
Poisson-Regression: Hiermit modellieren Sie die Beziehung zwischen Prädiktoren und einer Antwortvariablen, die Ereignisse zählt, z. B. die Anzahl der Lötfehler auf einer Platine. Zum Erarbeiten des Modells kann auch die schrittweise Regression verwendet werden. Wählen Sie in Minitab Statistik > Regression > Poisson-Regression > Poisson-Modell anpassen aus.