Minitab 中包括哪些回归和相关性分析？

Minitab 提供多个回归分析，可研究响应变量和一个或多个预测变量之间的关系并对该关系建模。

关于本主题

基本相联度量
连续响应变量的回归分析
分类响应变量的回归分析
离散响应变量的回归分析

基本相联度量

相关: 用于计算 Pearson 相关或 Spearman 秩序相关（也称为 Spearman 的 rho）。在 Minitab 中，选择统计 > 基本统计 > 相关。
协方差: 用于计算协方差，即两个变量之间关系的度量。与相关系数不同，协方差不是标准化的。在 Minitab 中，选择统计 > 基本统计 > 协方差。

连续响应变量的回归分析

当您具有连续响应变量时，可使用以下分析。

回归: 对类别或连续预测变量和一个响应之间的关系进行建模，然后使用该模型预测新观测值的响应值。轻松包括交互作用和多项式项、转换响应或使用逐步回归（根据需要）。在 Minitab 中，选择统计 > 回归 > 回归 > 拟合回归模型或预测分析模块 > 线性回归。
最佳子集: 借助于一组指定的预测变量比较所有可能的模型，并显示包含一个预测变量、两个预测变量（以此类推）的最佳拟合模型。在 Minitab 中，选择统计 > 回归 > 回归 > 最佳子集。
拟合线图: 绘制一个预测变量和一个响应之间的关系图。在 Minitab 中，选择统计 > 回归 > 拟合线图。
非线性回归: 在平方项或立方项不充分时，对预测变量和一个响应之间的关系进行建模。当您可以指定非线性关系（如非线性增长或衰减）来描述该关系时使用。在 Minitab 中，选择统计 > 回归 > 非线性回归。
稳定性研究: 制定稳定性研究的计划并创建数据收集的自定义工作表。在 Minitab 中，选择统计 > 回归 > 稳定性研究 > 创建稳定性研究工作表。; 使用线性模型估计药品的保质期。在 Minitab 中，选择统计 > 回归 > 稳定性研究。
正交回归: 在一个响应和一个预测变量的测量都包含随机误差时，对该响应和预测变量之间的关系进行建模。在 Minitab 中，选择统计 > 回归 > 正交回归。
偏最小二乘: 确定一组预测变量是否与响应相关联。当您拥有高度共线的预测变量时或者当预测变量数多于观测值个数时使用。在 Minitab 中，选择统计 > 回归 > 偏最小二乘。

分类响应变量的回归分析

当您具有类别响应变量时，请使用以下分析。

二元 Logistic 回归: 对预测变量和具有两个结果的响应（如通过或失败）之间的关系进行建模。在 Minitab 中，选择统计 > 回归 > 二元 Logistic 回归 > 拟合二元 Logistic 模型或预测分析模块 > 二值 Logistic 回归。
二元拟合线图: 绘制包含置信区间的拟合的二值 Logistic 回归拟合线。在 Minitab 中，选择统计 > 回归 > 二元拟合线图。
顺序 Logistic 回归: 对预测变量和一个包含三个或多个顺序结果（如低、中和高）的响应之间的关系进行建模。在 Minitab 中，选择统计 > 回归 > 顺序 Logistic 回归。
名义 Logistic 回归: 对预测变量和一个包含三个或多个非顺序结果（如刮擦、凹痕和撕裂）的响应之间的关系进行建模。在 Minitab 中，选择统计 > 回归 > 名义 Logistic 回归。

离散响应变量的回归分析

当您具有离散响应变量时，可使用以下分析。

Poisson 回归: 对预测变量和用于对事件进行计数的响应（如电路板上的焊接缺陷数量）之间的关系进行建模。您还可以使用逐步回归来帮助确定模型。在 Minitab 中，选择统计 > 回归 > Poisson 回归 > 拟合 Poisson 模型。