拟合回归模型选择和线性回归的选项

统计 > 回归 > 回归 > 拟合回归模型 > 选项

预测分析模块 > 线性回归 > 选项

关于本主题

权重
所有区间的置信水平
置信区间的类型
检验的平方和
Box-Cox 变换

权重

在权重中，输入用于执行加权回归的权重数列。加权回归是一种可以在违反残差中常量方差的最小二乘假设（也称为异方差性）时使用的方法。如果权重正确，此过程会使加权平方残差和最小化，从而产生具有常量方差的残差（也称为同方差性）。有关确定正确权重的更多信息，请转到加权回归。

权重必须大于或等于零。权重列的行数必须与响应列的行数相同。

所有区间的置信水平

输入系数和拟合值的置信区间的置信水平。

通常，置信水平为 95% 即可。95% 置信水平表明，如果从总体中随机抽取 100 个样本，则大约 95 个样本的置信区间中将包含响应均值。对于给定的数据集，置信水平越低，生成的区间越窄；置信水平越高，生成的区间越宽。

注意

要显示置信区间，必须转到结果子对话框，然后从结果显示中，选择扩展表。

置信区间的类型

您可以选择一个双侧区间或一个单侧边界。对于同一置信水平，边界与区间相比，更接近于点估计值。上限不提供可能的更低值。下限不提供可能的更高值。

例如，水中溶解性固体的预测平均浓度为 13.2 mg/L。多个未来观测值的均值的 95% 置信区间为 12.8 mg/L 到 13.6 mg/L。多个未来观测值的均值的 95% 上限为 13.5 mg/L，该值更为精确，因为边界更接近于预测均值。

双侧: 使用双面置信区间来同时估计平均响应的可能的下限值和上限值。
下限: 使用置信下限估计均值响应可能的下限值。
上限: 使用置信上限来估计平均响应的可能的上限值。

检验的平方和

选择用于计算 F 值和 p 值的平方和 (SS)。调整的 SS 最常用。使用连续平方和，根据项输入模型的顺序来确定项的显著性。

检验的平方和

调整（III 型）：表示当项添加到包含所有其余项的模型后，误差平方和有所减少。
序贯（I 型）：表示当项添加到仅包含前一个项的模型后，误差平方和有所减少。

Box-Cox 变换

当残差未呈正态分布或不具有常量方差时，对响应数据执行 Box-Cox 变换。当您变换数据时，Minitab 会变换响应数据并将其用于分析。在大多数情况下，除非数据的偏斜非常大，否则不必纠正非正态性。使用 Box-Cox 变换时，所有响应数据必须为正 (>0)。要确定 Box-Cox 变换对于数据是否适宜，请检查残差图和其他诊断度量。有关检查模型的更多信息，请转到验证回归和方差分析中的模型假设。

Box-Cox 变换

选择 Minitab 用来变换数据的 lambda 值：

无变换：使用原始响应数据。
最优 λ：使用应当生成最佳拟合变换的最优 lambda。默认情况下，Minitab 将最优 lambda 值舍入为 ..5 或最接近的整数。例如，Minitab 将 lambda 舍入为 –1、–..5、0、..5、1 等。如果要针对变换使用最优值而非四舍五入值，请选择文件 > 选项 > 线性模型 > 结果显示。
λ = 0 (自然对数)：使用数据的自然对数。
λ = 0.5 (平方根)：使用数据的平方根。
λ：对 lambda 使用指定的值。其他常见的变换包括平方 (λ = 2)、逆平方根 (λ = −.5) 和逆 (λ = −1)。通常情况下，应当使用介于 −2 和 2 之间的值。

拟合回归模型选择和 线性回归的选项