回帰分析を使用して、1つ以上の予測変数と応答変数の間の統計的関係を説明し、新しい観測値を予測します。

回帰分析からの出力を追加するには、フォームを追加して入力するに進みます。

ベストサブセット回帰

ベストサブセット回帰を使用して、指定した予測変数のサブセットを含むさまざまな回帰モデルを比較します。

たとえば、小売店の分析者は販売量を予測したいと考えます。予測変数には、交通、人口、平均収入、および店舗周辺の直接の競合店などがあります。分析者はベストサブセット回帰を使用して、販売量を最も良く予測する予測変数セットを特定します。例を参照するには、Minitab ヘルプ:ベストサブセット回帰の例に移動します。

データに関する考慮事項

データは、Y の場合は連続値、X の場合は数値である必要があります。カテゴリ X を指標変数に変換できます。詳細については、Minitab ヘルプ:ベストサブセット回帰のデータに関する考慮事項を参照してください。

適合線プロット

1 つの連続予測変数と応答の関係を表示するには、適合線プロットを使用します。

線形、2 次、3 次モデルをデータに適合することができます。適合線プロットは、回帰式を表す回帰直線を持つデータの散布図を示します。

例えば、製造現場の技師がエネルギー消費と製造プロセスで使用される機械の設定の関係を調べたいとします。技師は、これらの変数の関係が曲線性の関係を考えます。したがって、技師は適合線プロットを作成した後、データに 2 次モデルを適合します。例を参照するには、Minitab ヘルプ:適合線プロットの例を参照してください。

データに関する考慮事項

データは、Y の連続値と X の連続値または離散値 (複数のレベルを持つ) である必要があります。詳細については、Minitab ヘルプ:適合線プロットのデータに関する考慮事項を参照してください。

重回帰

重回帰を使用して、1つの連続応答と2つ以上の予測変数との間の関係を調べます。

予測変数が多数ある場合は、回帰モデルをすべての予測変数に適合する前に、ステップワイズ法またはベストサブセットによるモデル選択手法を使うことにより、予測変数をスクリーニングして応答と関係のない予測変数を排除します。

たとえば、ある化学研究者が、いくつかの予測変数が綿布のしわになりにくさにどのように関係するかを理解したいと考えています。化学者は、複数回の回帰分析を実行して予測変数を使用したモデルを適合し、応答に対して統計的に有意な関係を持たない予測変数を除外します。例を参照するには、Minitab ヘルプ:適合回帰モデルの例に移動します。

データに関する考慮事項

データは、Y の場合は連続値、X の場合は数値である必要があります。カテゴリ X を指標変数に変換できます。詳細については、Minitab ヘルプ:適合回帰モデルについてのデータに関する考慮事項を参照してください。

単回帰

単回帰を使用して、2 つの連続変数、つまり1つの応答変数 (Y) と 1 つの予測変数 (X) の線形関係を調べます。

単回帰を使用すると、入力Xの任意の値に対する出力Yの値を予測できます。例を確認するには、Minitab ヘルプ:適合回帰モデルの例に移動します。

データに関する考慮事項

データは、Y の場合は連続値、X の場合は数値である必要があります。詳細については、Minitab ヘルプ:適合回帰モデルについてのデータに関する考慮事項を参照してください。

ステップワイズ回帰

ステップワイズ回帰を使用して、実験計画を使用せずに複数のプロセス入力を評価します。

ステップワイズ回帰は、予測変数の有用なサブセットを識別するために、モデル構築の探索段階で使用される自動化ツールです。この手順では、系統的に最も有意な変数を追加したり、各ステップで有意性が最も低い変数を削除したりします。また、入力 (Xs) の値の任意の組み合わせについて、出力 (Y) の値を予測することもできます。詳細については、Minitab ヘルプ:適合回帰モデルのために、ステップワイズ回帰を実行するに移動します。

データに関する考慮事項

データは、Y の場合は連続値、X の場合は数値である必要があります。カテゴリ X を指標変数に変換できます。詳細については、Minitab ヘルプ:適合回帰モデルについてのデータに関する考慮事項を参照してください。