Minitab 可以使用 (0, 1) 或 (−1, 0, +1) 编码方案以便在模型中包含类别变量。(0, 1) 方案是回归分析的默认方案,而 (−1, 0, +1) 方案是方差分析和 DOE 的默认方案。在这两种方案之间的选择不会改变类别变量的统计显著性。但是,编码方案的确会改变系数和解释系数的方式。
验证显示的编码方案,以确保执行预期分析。解释类别变量的系数,如下所示:
如果您选择对模型中的连续预测变量进行标准化,Minitab 将提供有关连续预测变量标准化表中的方法的详细信息。
通常,使用标准化来使变量处于中间位置或/和使变量尺度化。使变量处于中间位置时,可以减少多项式项和交互作用项引起的多重共线性,从而提高系数估计值的精度。大多数情况下,使变量尺度化时,Minitab 会将变量的不同尺度转换为公共尺度,从而可以比较系数的大小。
使用标准化方法表可验证是否按预期执行了分析。根据您选择的方法,您可能必须更改系数解释,如下所示:
系数的确切解释还取决于分析的其他方面(如链接函数)。
使用链接函数查找以最佳方式与数据拟合的模型。使用拟合优度统计量和不同的链接函数比较各种拟合。使用某些链接函数可能是出于历史原因或因为其在规律方面有特殊意义。
使用检验数据集时,该表将显示检验数据集内数据的百分比。使用交叉验证时,该表将显示折叠数。当您指定的列用于指定检验数据集内具有哪些观测值或者每个折叠中具有哪些观测值时,该表将显示该列的标题。
验证结果中的验证方法,以确保执行了预期分析。