回归分析

例如，一家零售商店的分析人员想要预测销量。预测变量包括交通、人口、平均收入以及店面附近的直接竞争者。这位分析人员使用最佳拟合回归来确定可以最准确地预测销量的预测变量集。要查看示例，请转到 Minitab 帮助：最佳子集回归示例。

您可以为数据拟合线性模型、二次模型或立方模型。拟合线图显示数据的散点图，该图用回归线表示回归方程。

例如，一家制造厂的工程师想要检查能耗和制造过程中所用机器的设置之间的关系。该工程师认为这些变量之间呈现曲线关系。因此，该工程师创建了一个拟合线图并为数据拟合二次模型。要查看示例，请转到 Minitab 帮助：拟合线图示例。

如果预测变量的数量很大，则在用所有预测变量拟合回归模型之前，应使用逐步或最佳子集模型选择技术筛除与响应无关的预测变量。

例如，研究化学家想要了解多个预测变量与棉布抗皱性的关联性。该化学家进行了多次回归分析以拟合含有多个预测变量的模型，并且消除了与响应无显著统计意义关系的预测变量。要查看示例，请转到 Minitab 帮助：拟合回归模型示例。

简单回归使您能预测任何输入 X 值的输出 Y 值。要查看示例，请转到 Minitab 帮助：拟合回归模型示例。

逐步回归是模型构建的解释阶段中所使用的一种自动化工具，用以确认预测变量的有用子集。过程在每个步骤中系统地添加最显著的变量，或删除最不显著的变量。它还使您能预测输入值 (X) 的任意组合的输出值 (Y)。有关更多信息，请转到 Minitab 帮助：为拟合回归模型执行逐步回归。