使用回归分析来描述一个或多个预测变量与响应变量之间的统计学关系,并预测新观测值。

要添加回归分析的输出,请转至 添加并填写表单

最佳子集回归

使用最佳子集回归来比较包含您指定的预测变量子集的不同回归模型。

例如,一家零售商店的分析人员想要预测销量。预测变量包括交通、人口、平均收入以及店面附近的直接竞争者。这位分析人员使用最佳拟合回归来确定可以最准确地预测销量的预测变量集。要查看示例,请转到 Minitab 帮助:最佳子集回归示例

数据注意事项

数据必须是连续的 Y 值和 X 的数值。您可以将类别 X 转换为指标变量。有关详情,请转至 Minitab 帮助:最佳子集回归的数据注意事项

拟合线图

使用拟合线图显示一个连续预测变量和一个响应变量之间的关系。

您可以为数据拟合线性模型、二次模型或立方模型。拟合线图显示数据的散点图,该图用回归线表示回归方程。

例如,一家制造厂的工程师想要检查能耗和制造过程中所用机器的设置之间的关系。该工程师认为这些变量之间呈现曲线关系。因此,该工程师创建了一个拟合线图并为数据拟合二次模型。要查看示例,请转到 Minitab 帮助:拟合线图示例

数据注意事项

数据必须是连续的 Y 值和连续或离散的 X 值(多个级别)。有关详情,请转至 Minitab 帮助:拟合线图的数据注意事项

多元回归

使用多元回归检查一个连续响应与两个或更多个预测变量之间的关系。

如果预测变量的数量很大,则在用所有预测变量拟合回归模型之前,应使用逐步或最佳子集模型选择技术筛除与响应无关的预测变量。

例如,研究化学家想要了解多个预测变量与棉布抗皱性的关联性。该化学家进行了多次回归分析以拟合含有多个预测变量的模型,并且消除了与响应无显著统计意义关系的预测变量。要查看示例,请转到 Minitab 帮助:拟合回归模型示例

数据注意事项

数据必须是连续 Y 值和 X 的数值。您可以将类别 X 转换为指标变量。有关详情,请转至 Minitab 帮助:拟合回归模型的数据注意事项

简单回归

使用简单回归提供两个连续变量(一个响应变量 (Y) 和一个预测变量 (X))之间的线性关系。

简单回归使您能预测任何输入 X 值的输出 Y 值。要查看示例,请转到 Minitab 帮助:拟合回归模型示例

数据注意事项

数据必须是连续的 Y 值和 X 的数值。有关详情,请转至 Minitab 帮助:拟合回归模型的数据注意事项

逐步回归

使用逐步回归来评估多个过程输入,而无需使用设计实验。

逐步回归是模型构建的解释阶段中所使用的一种自动化工具,用以确认预测变量的有用子集。过程在每个步骤中系统地添加最显著的变量,或删除最不显著的变量。它还使您能预测输入值 (X) 的任意组合的输出值 (Y)。有关更多信息,请转到 Minitab 帮助:为拟合回归模型执行逐步回归

数据注意事项

数据必须是连续的 Y 值和 X 的数值。您可以将类别 X 转换为指标变量。有关详情,请转至 Minitab 帮助:拟合回归模型的数据注意事项