拟合一般线性模型概述

在具有连续响应、类别因子和可选协变量时,可使用拟合一般线性模型拟合最小二乘模型。您可以包含交互作用项和多项式项、交叉因子和嵌套因子以及固定因子和随机因子。

例如,一家玻璃生产商的工程师想要检验玻璃类型对示波器光输出的效应。作为协变量的温度可能也会影响光输出。该工程师使用一般线性模型来确定在考虑温度变化的因素时,三种类型的玻璃是否会影响光输出。

在执行分析之后,Minitab 将存储模型,以便您可以执行下列任一操作:
  • 比较组均值。
  • 预测新观测值的响应。
  • 绘制变量之间的关系图。
  • 查找可优化多个响应的值。
有关更多信息,请转到已存储的模型概述

在何处查找此分析

要拟合一般线性模型,请选择统计 > 方差分析 > 一般线性模型 > 拟合一般线性模型

何时使用备择分析

  • 对于具有随机因子的模型,您通常使用拟合混合响应模型,以便可以使用约束极大似然估计方法 (REML)。
  • 如果您的变量主要是连续预测变量,则可以使用拟合回归模型获得相似的模型结果。
  • 如果您有一个或两个类别因子,并且希望将服从正态分布、二项分布或 Poisson 分布的数据的水平均值与总体均值进行比较,请使用均值分析
  • 如果对于响应和因子都只有类别变量,请转到什么是广义线性模型?以了解要使用哪种类型的回归分析。
  • 如果您想要检验组之间标准差的相等性,请使用等方差检验
  • 如果您有多个相关的响应变量和一组公因子,请使用一般多元方差分析。它具有更大的功效,可以检测到多变量响应模式。
使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策