회귀 분석

예를 들어, 한 소매점의 분석가가 판매량을 예측하려고 합니다. 예측 변수로는 교통, 인구, 평균 수입, 지점 근처에 있는 경쟁 업체 등을 들 수 있습니다. 분석가는 최량 부분 집합 회귀 분석을 사용하여 판매량을 가장 잘 예측하는 예측 변수 집합을 식별합니다. 예제를 보려면 Minitab 도움말: 최량 부분 집합 회귀 분석의 예로 이동하십시오.

데이터에 선형, 2차 또는 3차 모형을 적합시킬 수 있습니다. 적합선 그림은 회귀 방정식을 나타내는 회귀선을 사용하여 데이터의 산점도를 보여줍니다.

예를 들어, 한 제조 현장의 엔지니어가 에너지 소비와 제조 공정에서 사용되는 기계 사이의 관계를 조사하려고 합니다. 엔지니어는 이 변수들 사이의 관계가 곡선 형태라고 생각합니다. 따라서 엔지니어는 적합선 그림을 생성했으며 데이터에 2차 모형을 적합합니다. 예제를 보려면 Minitab 도움말: 적합선 그림의 예로 이동하십시오.

예측 변수가 많으면 모든 예측 변수를 포함한 회귀 모형을 적합하기 전에 단계적 또는 최량 부분 집합 모형 선택 방법을 사용하여 반응 변수와 관련이 없는 예측 변수를 제거해야 합니다.

예를 들어 한 연구 화학자는 여러 예측 변수가 면화 천의 구김 복원력과 어떻게 연관되어 있는지 확인하려고 합니다. 화학자는 예측 변수를 사용하여 모형을 적합시키고 반응과 통계적으로 유의한 관계가 없는 예측 변수를 제거하기 위해 여러 회귀 분석을 수행합니다. 예제를 보려면 Minitab 도움말: 회귀 모형 적합의 예로 이동하십시오.

단순 회귀 분석을 사용하면 입력 X의 모든 값에 대한 출력 Y의 값을 예측할 수 있습니다. 예제를 보려면 Minitab 도움말: 회귀 모형 적합의 예로 이동하십시오.

단계적 회귀 분석은 예측 변수의 유용한 부분 집합을 식별하기 위해 모형 구축의 탐색 단계에서 사용되는 자동화된 도구입니다. 공정에서는 체계적으로 각 단계 중에 가장 유의한 변수를 추가하거나 가장 유의하지 않은 변수를 제거합니다. 또한 입력 (X)의 값 조합에 대한 출력 (Y)의 값을 예측할 수 있습니다. 자세한 내용은 Minitab 도움말: 회귀 모형 적합에 대한 단계적 회귀 분석 수행으로 이동하십시오.