一位电子设计工程师研究工作温度和三种面板玻璃类型对示波器管的光输出的效应。
为了研究温度、玻璃类型以及这两种因子之间的交互作用的效应,工程师使用了一般线性模型。
- 打开样本数据,光输出.MTW。
- 选择。
- 在响应中,输入光输出。
- 在因子中,输入玻璃类型。
- 在协变量中,输入温度。
- 单击模型。
- 在因子和协变量中,选择玻璃类型和温度。
- 在按变量顺序添加交互项的右侧,选择 2,然后单击添加。
- 在因子和协变量中,选择温度。
- 在按阶数添加全部交互项的右侧,选择 2,然后单击添加。
- 在因子和协变量中,选择玻璃类型,并在模型中的项中,选择温度*温度。
- 在模型中的交叉因子、协变量和项的右侧,单击添加。
- 在每个对话框中,单击确定。
解释结果
在方差分析表中,所有项的 p 值为 0.000。因为 p 值小于显著性水平 0.05,所以工程师可以得出效应在统计意义上显著的结论。
R2 值显示模型可以解释光输出中 99.73% 的方差,这表明该模型与数据的拟合程度非常高。
VIF 非常高。VIF 值大于 5–10 表明,由于严重的多重共线性,回归系数估计不足。在这种情况下,因为高阶项的原因,VIF 较高。高阶项与主效应项相关,因为高阶项也包含主效应项。要降低 VIF,您可以对编码子对话框中的协变量进行标准化。
其中对于标准化残差较大或杠杆率值较大的观测值进行了标记。在此示例中,两个值具有标准化残差,其绝对值大于 2。您应调查异常观测值,因为它们可能产生误导性结果。
一般线性模型: 光输出 与 温度, 玻璃类型
方差分析
温度 | 1 | 262884 | 262884 | 719.21 | 0.000 |
---|
玻璃类型 | 2 | 41416 | 20708 | 56.65 | 0.000 |
---|
温度*温度 | 1 | 190579 | 190579 | 521.39 | 0.000 |
---|
温度*玻璃类型 | 2 | 51126 | 25563 | 69.94 | 0.000 |
---|
温度*温度*玻璃类型 | 2 | 64374 | 32187 | 88.06 | 0.000 |
---|
误差 | 18 | 6579 | 366 | | |
---|
合计 | 26 | 2418330 | | | |
---|
模型汇总
19.1185 | 99.73% | 99.61% | 99.39% |
系数
常量 | -4969 | 191 | -25.97 | 0.000 | |
---|
温度 | 83.87 | 3.13 | 26.82 | 0.000 | 301.00 |
---|
玻璃类型 | | | | | |
---|
1 | 1323 | 271 | 4.89 | 0.000 | 3604.00 |
---|
2 | 1554 | 271 | 5.74 | 0.000 | 3604.00 |
---|
温度*温度 | -0.2852 | 0.0125 | -22.83 | 0.000 | 301.00 |
---|
温度*玻璃类型 | | | | | |
---|
1 | -24.40 | 4.42 | -5.52 | 0.000 | 15451.33 |
---|
2 | -27.87 | 4.42 | -6.30 | 0.000 | 15451.33 |
---|
温度*温度*玻璃类型 | | | | | |
---|
1 | 0.1124 | 0.0177 | 6.36 | 0.000 | 4354.00 |
---|
2 | 0.1220 | 0.0177 | 6.91 | 0.000 | 4354.00 |
---|
回归方程
1 | 光输出 | = | -3646 + 59.47 温度 - 0.1728 温度*温度 |
---|
| | | |
---|
2 | 光输出 | = | -3415 + 56.00 温度 - 0.1632 温度*温度 |
---|
| | | |
---|
3 | 光输出 | = | -7845 + 136.13 温度 - 0.5195 温度*温度 |
---|
异常观测值的拟合和诊断
11 | 1070.0 | 1035.0 | 35.0 | 2.24 | R |
---|
17 | 1000.0 | 1035.0 | -35.0 | -2.24 | R |
---|