在只有一个协变量的情况下计算最小二乘均数

要在只有一个协变量的情况下计算最小二乘均数,请执行以下操作:

  1. 打开 喷漆硬度.MTW
  2. 选择统计 > 方差分析 > 一般线性模型 > 拟合一般线性模型
  3. 响应中,输入硬度
  4. 因子中,输入油漆操作员
  5. 协变量中,输入温度
  6. 单击选项,并在均值的旁边选择主效应
  7. 在每个对话框中单击确定

    您将得到以下结果:

    一般线性模型: 硬度 与 温度, 油漆, 操作员

    方法 因子编码 (-1, 0, +1)
    因子信息 因子 类型 水平数 值 油漆 固定 4 配方 1, 配方 2, 配方 3, 配方 4 操作员 固定 3 1, 2, 3
    方差分析 来源 自由度 Adj SS Adj MS F 值 P 值 操作员 2 209.961 104.980 17.54 0.000 油漆 3 232.760 77.587 12.97 0.000 温度 1 7.608 7.608 1.27 0.275 误差 17 101.731 5.984 合计 23 593.766
    模型汇总 R-sq(调 R-sq(预 S R-sq 整) 测) 2.44625 82.87% 76.82% 65.65%
    系数 系数标 方差膨 项 系数 准误 T 值 P 值 胀因子 常量 -18.4 28.3 -0.65 0.525 操作员 1 4.106 0.834 4.92 0.000 1.93 2 -4.181 0.772 -5.42 0.000 1.66 油漆 配方 1 1.256 0.934 1.34 0.197 1.75 配方 2 -5.439 0.918 -5.92 0.000 1.69 配方 3 0.693 0.900 0.77 0.452 1.63 温度 1.066 0.945 1.13 0.275 1.35
    回归方程 油漆 操作员 配方 1 1 硬度 = -13.0 + 1.066 温度 配方 1 2 硬度 = -21.3 + 1.066 温度 配方 1 3 硬度 = -17.0 + 1.066 温度 配方 2 1 硬度 = -19.7 + 1.066 温度 配方 2 2 硬度 = -28.0 + 1.066 温度 配方 2 3 硬度 = -23.7 + 1.066 温度 配方 3 1 硬度 = -13.6 + 1.066 温度 配方 3 2 硬度 = -21.8 + 1.066 温度 配方 3 3 硬度 = -17.6 + 1.066 温度 配方 4 1 硬度 = -10.8 + 1.066 温度 配方 4 2 硬度 = -19.0 + 1.066 温度 配方 4 3 硬度 = -14.8 + 1.066 温度
    异常观测值的拟合和诊断 标准化 观测值 硬度 拟合值 残差 残差 18 6.50 10.77 -4.27 -2.04 R R 残差大
    均值 均值标 项 拟合均值 准误 油漆 配方 1 14.83 1.09 配方 2 8.14 1.03 配方 3 14.27 1.02 配方 4 17.07 1.04 操作员 1 17.68 1.02 2 9.397 0.958 3 13.653 0.844
    协变量的均值 协变量 数据均值 标准差 温度 29.963 0.626
  8. 然后计算拟合值。
    1. 选择 统计 > 方差分析 > 一般线性模型 > 预测
    2. 取消选择在预测中包含协变量
    3. 选择输入值列
    4. 在表中,在绘图中输入 操作员,在操作员中输入 油漆。单击确定
  9. 计算两个因子的拟合值均值。
    1. 选择统计 > 基本统计 > 存储描述性统计量
    2. 变量中,输入 PFITS1
    3. 分组变量(可选的)中,输入油漆操作员。单击确定
  10. 最后,分别计算每个因子的平均值。
    1. 选择统计 > 基本统计 > 存储描述性统计量
    2. 变量中,输入 Mean1
    3. 分组变量(可选的)中,输入 ByVar1。单击确定
      工作表中包含不同绘图混料的最小二乘均数。
      • 混料 1:14.83
      • 混料 2:8.14
      • 混料 3:14.27
      • 混料 4:17.07
    4. 选择统计 > 基本统计 > 存储描述性统计量
    5. 分组变量(可选的)中,输入 ByVar2。单击确定
      工作表中包含不同操作员的最小二乘均数。
      • 操作员 1:17.68
      • 操作员 2:9.40
      • 操作员 3:13.65