Poisson 回归模型的预测示例

质量工程师担心模制树脂零件出现褪色条纹。软管内的污染和较高的温度可能会导致最终产品出现褪色条纹。工程师确定了响应(缺陷)的三个可能的预测变量。工程师一边改变预测变量水平一边记录每小时会话中观测到的缺陷数量。

工程师想研究多个预测变量对树脂零件中的褪色缺陷的影响。由于响应变量描述事件在有限观测空间中出现的次数,因此工程师拟合了一个 Poisson 模型。

工程师计算预测区间以确定在指定的设置下,未来观测值的可能值范围。

  1. 打开样本数据树脂缺陷.MTW
  2. 选择统计 > 回归 > Poisson 回归 > 预测
  3. 响应中,选择褪色缺陷
  4. 在该表中,针对清洁小时数输入 6,针对温度输入 115,针对螺丝钉大小输入
  5. 单击确定

解释结果

Minitab 使用存储模型计算得知,预测的褪色缺陷数为 72.1682。预测区间指示工程师以 95% 的置信度断定,褪色缺陷的平均数量将位于 67.5477 到 77.1047 这一区间内。

回归方程

褪色缺陷=exp(Y')
Y'=4.3982 + 0.01798 清洁小时数 - 0.001974 温度 + 0.000000 螺丝钉大小_大 - 0.1546 螺丝钉大小_小

设置

变量设置
清洁小时数6
温度115
螺丝钉大小

预测

拟合值拟合值标准误95% 置信区间
72.16822.43628(67.5477, 77.1047)