通知
您现在将离开 support.minitab.com。"
单击继续以继续：
默认情况下，Minitab 使用 (1,0) 编码方案进行回归，但是，您可以选择在编码子对话框中将编码方案更改为 (-1, 0, +1)。有关更多信息，请转到类别预测变量的编码方案。
首先，考虑一个单因子平衡设计，该因子有三个水平。
| C1 | C2 - T |
|---|---|
| 响应 | 因子 |
| 1 | A |
| 3 | A |
| 2 | A |
| 2 | A |
| 4 | B |
| 6 | B |
| 3 | B |
| 5 | B |
| 8 | C |
| 9 | C |
| 7 | C |
| 10 | C |
检查描述性统计，主要关注均值。
估计回归方程为：
水平 C 是基准，因此其系数为 0。
与水平 A 相对应的系数为 –6.5。它是水平 A 与基准水平的差值。如果您提取 A 的系数并将其与截距（或基准均值）相加，则将获得水平 A 的均值：–6.5 + 8.5 = 2.0
同样，与水平 B 相对应的系数为 –4.0。它是水平 B 与基准水平之间的差值。如果您提取水平 B 的系数并将其与截距相加，则将获得水平 B 的均值：–4.0 + 8.5 = 4.5
回归方程为：
截距是总体均值。
A 的系数是系数水平 A 的效应。它是水平 A 均值与总体均值之间的差值。
B 的系数是因子水平 B 的效应。它是水平 B 均值与总体均值之间的差值。
得出水平 C 的效应大小的方法是，将所有系数（截距除外）相加，然后乘以 -1：-1 * [(-3.0) + (-0.5)] = 3.5
现在考虑一个双因子平衡设计，第一个因子有三个水平，第二个因子有两个水平。
| C1 | C2 - T | C3 - T |
|---|---|---|
| 响应 | 因子 1 | 因子 2 |
| 1 | A | 高 |
| 3 | A | 低 |
| 2 | A | 高 |
| 2 | A | 低 |
| 4 | B | 高 |
| 6 | B | 低 |
| 3 | B | 高 |
| 5 | B | 低 |
| 8 | C | 高 |
| 9 | C | 低 |
| 7 | C | 高 |
| 10 | C | 低 |
检查描述性统计，主要关注均值。
估计回归方程为：
此外，与水平 A 相对应的系数为 –6.5。这仍是水平 A 与基准水平（水平 C）的距离。如果您提取水平 A 的均值并将它减去基准水平的均值，则可以获得系数：2 – 8.5 = -6.5
同样，与水平 B 相对应的系数为 –4.0。它是水平 B 与因子 1 的基准水平的距离。如果您提取水平 B 的均值并将它减去基准水平的均值，则可以获得系数：4.5 - 8.5 = -4.0。
最后，与因子 2 的高水平相对应的系数为“高”与因子 2 的基准水平（低）的距离。因此，如果您提取因子 2 的“高”水平的均值并将它减去因子 2 的基准水平的均值，则获得系数：4.1667 – 5.8333 = -1.667。
请注意，使用此编码方案时，系数与单因子模型中相同。现在，对于第二个因子有一个任务的系数。
回归方程为：
当您仅有两个水平且样本数量相同时，因子效应将在数量级上相等，因为均值正好居中。
截距是总体均值。
系数为每个因子水平的效应。它们代表相应水平的均值与总体均值之间的差值。
您现在将离开 support.minitab.com。"
单击继续以继续：