Análise de Regressão

Uma análise de regressão gera uma equação para descrever a relação estatística entre um ou mais preditores e a variável de resposta e para predizer novas observações.

Para adicionar saída a partir de uma análise de regressão, vá para Adicione e complete um formulário.

Regressão dos melhores subconjuntos

Use para comparar modelos de regressão diferentes que contém subconjuntos das preditoras que você especifica.

Por exemplo, um analista em uma loja de varejo quer predizer o volume de vendas. As preditoras incluem tráfego, população, renda média e concorrentes diretos próximos da loja. O analista usa a regressão dos melhores subconjuntos para identificar o conjunto de preditoras que melhor predizem o volume de vendas. Para ver um exemplo, vá para Minitab Ajuda: Exemplo de regressão de melhores subconjuntos.

Considerações de dados

Seus dados devem ser um valor contínuo para Y e valores numéricos para os Xs. Você pode converter Xs categóricos em variáveis indicadoras. Para obter detalhes, vá para Minitab Ajuda: Considerações de dados para Regressão de melhores subconjuntos.

Gráfico de reta ajustada

Use um gráfico binário de linha ajustada para exibir a relação entre uma preditora contínua e uma resposta binária.

É possível ajustar um modelo linear, quadrático ou cúbico aos dados. Um gráfico de linha ajustada mostra um gráfico de dispersão dos dados com uma linha de regressão representando a equação de regressão.

Por exemplo, um engenheiro em um local de fabricação deseja analisar a relação entre o consumo de energia e a configuração de uma máquina usada no processo de fabricação. O engenheiro acha que a relação entre essas variáveis é curvilínea. Portanto, ele criou um gráfico de linha ajustada e ajusta um modelo quadrático aos dados. Para ver um exemplo, vá para Minitab Ajuda: Exemplo de gráfico de linha ajustada.

Considerações de dados

Seus dados devem ser um valor contínuo para Y e um valor contínuo ou discreto para X (com vários níveis). Para obter detalhes, vá para Minitab Ajuda: Considerações de dados para gráfico de linha ajustada.

Regressão múltipla

A regressão linear múltipla examina as relações lineares entre uma resposta contínua e dois ou mais preditores.

Se o número de preditores for grande, antes de ajustar um modelo de regressão com todos os preditores, você deve usar técnicas de seleção de modelo stepwise ou de melhores subconjuntos para remover preditores não associados às respostas.

Um químico pesquisador deseja entender como vários preditores estão associados à resistência ao enrugamento do tecido de algodão. O químico realiza uma análise de regressão múltipla para ajustar um modelo com os preditores e eliminar os preditores que não têm uma relação estatisticamente significativa com a resposta. Para ver um exemplo, vá para Minitab Ajuda: Exemplo de Ajustar modelo de regressão.

Considerações de dados

Seus dados devem ser um valor contínuo para Y e valores numéricos para Xs. Você pode converter Xs categóricos em variáveis indicadoras. Para obter detalhes, vá para Minitab Ajuda: Considerações de dados para Ajustar modelo de regressão.

Regressão simples

A regressão ortogonal analisa a relação linear entre duas variáveis contínuas: uma resposta (Y) e um preditor (X).

A regressão simples permite prever o valor da saída Y para qualquer valor da entrada X. Para ver um exemplo, vá para Minitab Ajuda: Exemplo de Ajustar modelo de regressão.

Considerações de dados

Seus dados devem ser um valor contínuo para Y e um valor numérico para X. Para obter detalhes, vá para Minitab Ajuda: Considerações de dados para Ajustar modelo de regressão.

Regressão stepwise

Use a regressão stepwise para avaliar múltiplas entradas de processo sem o uso de um experimento projetado.

Regressão stepwise é uma ferramenta automática usada nos estágios exploratórios da construção de modelos para identificar um subconjunto útil de preditores. O processo adiciona sistematicamente a variável mais significativa ou remove a variável menos significativa durante cada etapa. Ele também permite prever o valor da saída (Y) para qualquer combinação de valores das entradas (Xs). Para obter mais informações, vá para Minitab Ajuda: Realizar regressão stepwise para Ajustar modelo de regressão.

Considerações de dados

Seus dados devem ser um valor contínuo para Y e valores numéricos para os Xs. Você pode converter Xs categóricos em variáveis indicadoras. Para obter detalhes, vá para Minitab Ajuda: Considerações de dados para Ajustar modelo de regressão.

Ao usar esse site, você concorda com a utilização de cookies para análises e conteúdo personalizado.  Leia nossa política