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。
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效应模型，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。
