寿命数据回归的数据注意事项

为了确保结果有效,请在收集数据、执行分析和解释结果时考虑以下准则。

响应变量应当是连续的
连续数据是测量值,可以是连续尺度上位于某个值范围内的任何数值(包括分数值或小数值)。 如果您的响应数据是二元数据(仅包含两个可能的结果),而不是失效时间(或其他单元)的连续测量数据,请使用概率分析
响应数据通常是失效时间
要收集数据,通常需要度量受制于不同条件(这些条件由一个或多个变量和/或因子度量)的项目在失效之前的时间长度。例如,您可以度量在不同温度下运行的项目在失效之前的时间。
失效时间必须是独立的
一个项目的失效时间不应当影响其他项目的失效时间。如果失效时间是相关的,则结果可能不准确。例如,可修复系统的不同失效之间的时间通常不是独立的。
必须考虑删失数据

寿命数据通常是删失数据,这意味着某些项目的确切失效时间是未知的。如果您拥有删失的观测值,则必须在分析中包括它们以获取准确的可靠性估计值。

使用右删失可以将成功时间计入尚未失败的项目。使用区间或左删失可以在不知道确切失效时间时考虑不确定性。有关更多信息,请转到数据删失

模型最多可以包括 9 个因子和 50 个协变量
预测变量可以是因子(类别变量),也可以是协变量(连续变量)。除非将预测变量指定为因子,否则 Minitab 会假设预测变量为协变量。
可以根据预测变量来创建模型项,并将模型项视为因子、协变量、交互作用项或嵌套项。各个因子可以交叉或嵌套。协变量可以彼此交叉或与因子交叉,也可以嵌套在因子内。
模型应当充分拟合数据
要获得准确的结果,模型假设(包括分布拟合和相等形状(Weibull 和指数分布)或尺度参数(其他分布))应当适合于数据。使用工程或历史知识选择分布模型。然后检查标准化残差和 Cox-Snell 残差的概率图以确定模型假设是否合适。
模型必须是满秩的分层模型
在分层模型中,如果包含交互作用项,则所有低阶交互作用项和构成该交互项的预测变量也必须位于模型中。满秩模型包括用于估计模型中所有项的足够数据。缺失数据、非充分数据或高度共线性可能会阻止模型满秩。如果模型不是满秩模型,Minitab 将在您执行分析时警告您。通常,可以通过从模型中删除不重要的高阶交互作用项来解决此问题。有关更多信息,请转到寿命数据回归模型的限制
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