寿命数据回归的回归表 - 估计回归方程

该表估计模型的最佳拟合回归方程。回归方程的一般形式如下:

预测 = 常量 + 系数(预测变量)+ ... + 系数(预测变量)+ 尺度(分位数函数)或

Yp = β0 + β1x1 + ... + βkxk + σΦ-1(p)

  • 预测 (Yp):对数失效时间(Weibull、指数、对数正态和对数 Logistic 模型)或失效时间(正态、极值和 Logistic 模型)。
  • 预测变量 (x1, x2 ... xk):预测变量,可以是连续变量,也可以是类别变量。
  • 常量 (β0):当所有解释变量等于 0,并且分位数函数的百分位数为 0 时,Yp(失效时间或对数失效时间)的值。
  • 系数 (β1, β2,... , βk):当解释变量 (x) 按一个单位递增而所有其他解释变量保持不变时,相应 Y 值的变化量。
  • 尺度 (σ):尺度参数。对于 Weibull 和指数分布,尺度 = 1.0/形状。
  • 分位数函数 (Φ-1(p):标准化寿命分布的第 p 个分位数。

此模型可能无法提供对数据的较好拟合。要评估模型拟合,应检查模型的假定,方法是使用标准化残差和 Cox-Snell 残差的概率图。

示例输出

Regression Table Standard 95.0% Normal CI Predictor Coef Error Z P Lower Upper Intercept 6.68731 0.193766 34.51 0.000 6.30754 7.06709 Design Standard -0.705643 0.0725597 -9.72 0.000 -0.847857 -0.563428 Weight -0.0565899 0.0212396 -2.66 0.008 -0.0982187 -0.0149611 Shape 5.79286 1.07980 4.02001 8.34755 Log-Likelihood = -88.282

解释

新压缩机箱的估计模型是:log(Yp) = 6.8731 – 0.0565899(重量)+ (1.0/5.79286)Φ-1(p)

标准压缩机箱的估计模型是:log(Yp) = (6.8731 – 0.705643) – 0.0565899(重量) + (1.0/5.79286)Φ-1(p)

其中:
  • Yp:压缩机箱失效的失效时间
  • 重量:向发动机抛射的物体的重量
  • Φ-1(p):标准化极值分布的第 p 个分位数(有关更多信息,请转到寿命数据回归中方程的方法和公式,然后单击“分位数函数”)。
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