选择适用于拟合回归模型的选项

统计 > 回归 > 回归 > 拟合回归模型 > 选项

权重

权重中,输入用于执行加权回归的权重数列。加权回归是一种可以在违反残差中常量方差的最小二乘假设(也称为异方差性)时使用的方法。如果权重正确,此过程会使加权平方残差和最小化,从而产生具有常量方差的残差(也称为同方差性)。有关确定正确权重的更多信息,请转到加权回归

权重必须大于或等于零。权重列的行数必须与响应列的行数相同。

所有区间的置信水平

输入系数和拟合值的置信区间的置信水平。

通常,置信水平为 95% 即可。95% 置信水平表明,如果从总体中随机抽取 100 个样本,则大约 95 个样本的置信区间中将包含响应均值。对于给定的数据集,置信水平越低,生成的区间越窄;置信水平越高,生成的区间越宽。

注意

要显示置信区间,必须转到结果子对话框,然后从结果显示中,选择扩展表

置信区间的类型

您可以选择一个双侧区间或一个单侧边界。对于同一置信水平,边界与区间相比,更接近于点估计值。上限不提供可能的更低值。下限不提供可能的更高值。

例如,水中溶解性固体的预测平均浓度为 13.2 mg/L。多个未来观测值的均值的 95% 置信区间为 12.8 mg/L 到 13.6 mg/L。多个未来观测值的均值的 95% 上限为 13.5 mg/L,该值更为精确,因为边界更接近于预测均值。
双侧
  • 使用双面置信区间来同时估计平均响应的可能的下限值和上限值。
下限
  • 使用置信下限估计均值响应可能的下限值。
上限
  • 使用置信上限来估计平均响应的可能的上限值。

检验的平方和

选择用于计算 F 值和 p 值的平方和 (SS)。调整的 SS 最常用。使用连续平方和,根据项输入模型的顺序来确定项的显著性。
检验的平方和
  • 调整(III 型):表示当项添加到包含所有其余项的模型后,误差平方和有所减少。
  • 序贯(I 型):表示当项添加到仅包含前一个项的模型后,误差平方和有所减少。

Box-Cox 变换

当残差未呈正态分布或不具有常量方差时,对响应数据执行 Box-Cox 变换。变换数据后,Minitab 会变换响应数据并在分析中使用。在大多数情况下,除非数据的偏斜非常大,否则不必纠正非正态性。当使用 Box-Cox 变换时,所有响应数据必须为正 (>0)。要确定 Box-Cox 变换对于数据是否适宜,请检查残差图和其他诊断度量。有关检查模型的更多信息,请转到验证回归和方差分析中的模型假设
Box-Cox 变换
选择 Minitab 用来变换数据的 lambda 值:
  • 无变换:使用原始响应数据。
  • 最优 λ:使用应当生成最佳拟合变换的最优 lambda。默认情况下,Minitab 将最优 lambda 值取整为 0.5 或最接近的整数。例如,Minitab 将 lambda 取整为 –1、–0.5、0、0.5、1 等。如果要针对变换使用最优值而非取整值,请选择工具 > 选项 > 线性模型 > 结果显示
  • λ = 0 (自然对数):使用数据的自然对数。
  • λ = 0.5 (平方根):使用数据的平方根。
  • λ:对 lambda 使用指定的值。其他常见的变换包括平方 (λ = 2)、逆平方根 (λ = −0.5) 和求逆 (λ = −1)。通常,不应当使用 −2 和 2 范围以外的值。
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