使用 发现最佳模型 (连续响应) 进行预测的示例

注意

此命令适用于 预测分析模块单击此处了解更多关于如何激活模块的信息

一组诊所的研究人员拥有医生初步检查结果的数据。在初始检查结束时,医生为每位患者分配一个患者病情严重程度的分数。研究人员希望开发一份简短的调查问卷,以帮助在医生检查之前确定最生病的患者的优先顺序。通过与主题专家的协商和对数据的初步探索,研究人员选择了8个变量来预测严重性评分。

研究人员在结果中使用该模型来预测新观察的疾病评分。

  1. 完成发现最佳模型 (连续响应)示例
  2. 在导航器中,选择结果为 发现最佳模型 (连续响应)
  3. 单击结果底部的预测按钮。
  4. 从下拉列表中,选择输入单值
  5. 输入以下值。 此示例对每个预测变量使用 2 个值,但是最多可使用 3 个值。
    现在症状数量 1 10  
    痰的高产量 0 1  
    严重呼吸急促 0 1  
    严重胸痛 0 1  
    严重头痛 0 1  
    严重睡眠障碍 0 1  
    通常感觉很糟 0 1  
    对正常活动的限制 0 1  
  6. 单击确定

解释结果

Minitab 在结果中使用多元回归模型来估计一组预测值的疾病评分。研究人员发现,在使用指定设置时,第一组发生心脏病事件的概率约为 3.29,第二组的概率约为 57.6。

发现最佳模型(连续响应): 疾病严重性评分 与 现在症状数量, 痰的高产量, 严重呼吸急促, 严重胸痛, 严重头痛, 严重睡眠障碍, 通常感觉很糟, ...

发现最佳模型(连续响应): 疾病严重性评分 与 现在症状数量, 痰的高产量, 严重呼吸急促, 严重胸痛, 严重头痛, 严重睡眠障碍, 通常感觉很糟, ... 发现最佳模型预测 (连续响应)

疾病严重性评分 的预测

回归方程 疾病严重性评分 = 0.344 + 2.985 现在症状数量 + 0.000000 痰的高产量_0 + 3.874 痰的高产量_1 + 0.000000 严重 胸痛_0 + 3.247 严重胸痛_1 + 0.000000 严重头痛_0 + 4.203 严重头痛_1 + 0.000000 严重睡眠障 碍_0 + 3.591 严重睡眠障碍_1 + 0.000000 对正常活动的限制_0 + 3.400 对正常活动的限制_1 - 0.0419 现在症状数量*现在症状数量 + 0.000000 现在症状数量*严重呼吸急促_0 + 0.5118 现在症状数量*严重呼 吸急促_1 + 0.000000 现在症状数量*通常感觉很糟_0 + 0.5164 现在症状数量*通常感觉很糟_1 + 0.000000 严重呼吸急促*严重头痛_0 0 + 0.000000 严重呼吸急促*严重头痛_0 1 + 0.000000 严重呼吸 急促*严重头痛_1 0 + 1.000 严重呼吸急促*严重头痛_1 1 + 0.000000 严重胸痛*严重睡眠障碍_0 0 + 0.000000 严重胸痛*严重睡眠障碍_0 1 + 0.000000 严重胸痛*严重睡眠障碍_1 0 + 1.741 严重胸痛*严重 睡眠障碍_1 1 + 0.000000 严重头痛*严重睡眠障碍_0 0 + 0.000000 严重头痛*严重睡眠障碍_0 1 + 0.000000 严重头痛*严重睡眠障碍_1 0 - 0.881 严重头痛*严重睡眠障碍_1 1 + 0.000000 严重睡眠障碍* 对正常活动的限制_0 0 + 0.000000 严重睡眠障碍*对正常活动的限制_0 1 + 0.000000 严重睡眠障碍*对正常活动的限 制_1 0 + 1.146 严重睡眠障碍*对正常活动的限制_1 1
设置 现在症状数量 = 1, 痰的高产量 = 0, 严重呼吸急促 = 0, 严重胸痛 = 0, 严重头痛 = 0, 严重睡眠障碍 = 0, 通常感觉很糟 = 0, 对正常活动的限制 = 0
预测 观测值 拟合值 拟合值标准误 95% 置信区间 95% 预测区间 1 3.28773 0.552218 (2.20455, 4.37091) (-4.89294, 11.4684)
设置 现在症状数量 = 10, 痰的高产量 = 1, 严重呼吸急促 = 1, 严重胸痛 = 1, 严重头痛 = 1, 严重睡眠障碍 = 1, 通常感觉很糟 = 1, 对正常活动的限制 = 1
预测 观测值 拟合值 拟合值标准误 95% 置信区间 95% 预测区间 2 57.6159 0.419434 (56.7931, 58.4386) (49.4656, 65.7661)