预测示例 发现最佳模型 (连续响应)

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

一组医疗诊所的研究团队拥有医生初步检查结果的数据。在初步检查结束时,医生会根据患者病情的严重程度为每位患者分配一个分数。研究人员希望开发一份简短的问卷,以帮助在医生检查之前优先考虑病情最严重的患者。通过咨询主题专家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测值的疾病评分。

  1. 完成Weibull 分布的 发现最佳模型 (连续响应)
  2. 在导航器中,选择 的结果 发现最佳模型 (连续响应)
  3. 在结果中选择 预测
  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预测值集的疾病评分。研究人员发现,使用指定设置的疾病评分在第一组中约为 3.29,在第二组中约为 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, 对正常活动的限制

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
13.287730.552218(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
257.61590.419434(56.7931, 58.4386)(49.4656, 65.7661)