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 kategoriale 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 die Option aus Statistik > Statistische Standardverfahren > Korrelation.
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 die Option aus Statistik > Statistische Standardverfahren > Kovarianz.

Regressionsanalysen für stetige Antwortvariablen

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

Regression: Die Beziehung zwischen kategorialen oder stetigen Prädiktoren und einer Antwortvariablen modellieren und anhand des Modells Werte der Antwortvariablen für neue Beobachtungen prognostizieren. Sie können einfach Wechselwirkungsterme und Polynomialterme einbinden, die Antwortvariable transformieren oder ggf. die schrittweise Regression verwenden. Wählen Sie in Minitab oder aus Predictive Analytics-Modul > Lineare Regression Statistik > Regression > Regression > Regressionsmodell anpassen .
Beste Teilmengen: Alle möglichen Modelle mit einer angegebenen Gruppe von Prädiktoren vergleichen und die am besten angepassten Modelle mit einem Prädiktor, zwei Prädiktoren usw. anzeigen. Wählen Sie in Minitab die Option Statistik > Regression > Regression > Beste Teilmengen aus.
Darstellung der Anpassungslinie: Die Beziehung zwischen einem Prädiktor und einer Antwortvariablen darstellen. Wählen Sie in Minitab die Option aus Statistik > Regression > Darstellung der Anpassungslinie.
Nichtlineare Regression: Die Beziehung zwischen Prädiktoren und einer Antwortvariablen modellieren, wenn quadratische oder kubische Terme nicht ausreichen. Verwenden Sie diese Option, wenn Sie eine nichtlineare Beziehung angeben können, z. B. nichtlineares Wachstum oder nichtlineare Rückgänge, um die Beziehung zu beschreiben. Wählen Sie in Minitab die Option aus Statistik > Regression > Nichtlineare Regression.
Stabilitätsuntersuchung: Eine Stabilitätsuntersuchung planen und ein benutzerspezifisches Arbeitsblatt für die Datenerfassung erstellen. Wählen Sie in Minitab die Option 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 die Option aus Statistik > Regression > Stabilitätsuntersuchung.
Orthogonale Regression: Die Beziehung zwischen einer Antwortvariablen und einem Prädiktor modellieren, wenn die Messwerte für die Antwortvariable und den Prädiktor Zufallsfehler enthalten. Wählen Sie in Minitab die Option aus Statistik > Regression > Orthogonale Regression.
Partielle kleinste Quadrate: Hiermit ermitteln Sie, ob eine Gruppe von Prädiktoren eine Beziehung zu den Antwortvariablen aufweist. Verwenden Sie diese Option, wenn die Prädiktoren hochgradig kollinear sind oder wenn mehr Prädiktoren als Beobachtungen vorliegen. Wählen Sie in Minitab die Option aus Statistik > Regression > Partielle kleinste Quadrate.

Regressionsanalysen für kategoriale Antwortvariablen

Verwenden Sie die folgenden Analysen, wenn Sie über eine kategoriale Antwortvariable verfügen.

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 oder aus Predictive Analytics-Modul > Binäre logistische Regression Statistik > Regression > Binäre logistische Regression > Binäres logistisches Modell anpassen.
Darstellung der binären Anpassungslinie: Hiermit stellen Sie Anpassungslinien der binären logistischen Regression mit Konfidenzintervallen dar. Wählen Sie in Minitab die Option aus Statistik > Regression > Darstellung der binären Anpassungslinie.
Ordinale logistische Regression: Die Beziehung zwischen Prädiktoren und einer Antwortvariablen mit drei oder mehr Ergebniskategorien modellieren, die eine Reihenfolge aufweisen, z. B. niedrig, mittel und hoch. Wählen Sie in Minitab die Option aus Statistik > Regression > Ordinale Logistische Regression.
Nominale logistische Regression: Die Beziehung zwischen Prädiktoren und einer Antwortvariablen mit drei oder mehr Ergebnissen modellieren, die keine Reihenfolge aufweisen, z. B. Kratzer, Dellen und Risse. Wählen Sie in Minitab die Option aus Statistik > Regression > Nominale Logistische Regression.

Regressionsanalysen für diskrete Antwortvariablen

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

Poisson-Regression: Die Beziehung zwischen Prädiktoren und einer Antwortvariablen modellieren, die Ereignisse zählt, z. B. die Anzahl von Lötfehlern auf einer Platine. Zum Erarbeiten des Modells kann auch die schrittweise Regression verwendet werden. Wählen Sie in Minitab die Option Statistik > Regression > Poisson-Regression > Poisson-Modell anpassen aus.