minitab多元回归，小白求助

Posted 2023-04-22

如下，前面的9列为自变量，Y为因变量。要求出Y于9个变量的关系。 一次回归不行，最好是二次的，逐步的

v t1 t2 t3 t4 t5 t6 t7 t8 Y
0.667 85 155 165 170 180 225 150 45 0.659
0.667 85 155 165 170 185 230 152 50 1.010
0.667 85 160 170 175 180 225 150 50 1.032
0.667 90 155 170 175 180 230 152 45 0.685
0.667 90 160 165 175 185 225 152 45 0.715
0.667 90 160 170 170 185 230 150 50 1.036
0.600 85 160 170 170 180 230 152 45 0.342
0.600 85 160 165 175 185 230 150 45 0.298
0.600 85 155 170 175 185 225 152 50 0.577
0.600 90 160 165 170 180 225 152 50 0.578
0.600 90 155 170 170 185 225 150 45 0.290
0.600 90 155 165 175 180 230 150 50 0.598

参考技术A 你好，因为你的因子都是两水平的，所以无法添加2次项。
从线性回归的结果来看残差的贡献度只有0.89%，拟合效果非常好，无需添加高次项。尽管图像上看貌似有一些弯曲，但是以数字为准。

这是结果。

回归方程为
Y = - 6.13 + 6.10 V + 0.0614 t8

方差膨
自变量 系数 系数标准误 T P 胀因子
常量 -6.1320 0.2162 -28.37 0.000
V 6.1045 0.2405 25.38 0.000 1.000
t8 0.061400 0.003223 19.05 0.000 1.000

S = 0.0279139 R-Sq = 99.1% R-Sq（调整） = 98.9%

方差分析

来源 自由度 SS MS F P
回归 2 0.78459 0.39230 503.47 0.000
残差误差 9 0.00701 0.00078
合计 11 0.79160

来源 自由度 Seq SS
V 1 0.50184
t8 1 0.28275追问

其他的T不要了吗？

追答

非显著因子，对结果无显著影响，可以去掉。

Minitab软件是现代质量管理统计的领先者，全球六西格玛实施的共同语言，以无可比拟的强大功能和简易的可视化操作深受广大质量学者和统计专家的青睐。

 

Minitab软件是现代质量管理统计的领先者，全球六西格玛实施的共同语言，以无可比拟的强大功能和简易的可视化操作深受广大质量学者和统计专家的青睐。

 

MINITAB 功能菜单包括:

基础和高级统计工具：

假设检验 （参数检验和非参数检验）

回归分析（一元回归和多元回归、线性回归和非线性回归）

方差分析（单因子、多因子、一般线性模型等）

时间序列分析

图表（散点图、点图、矩阵图、直方图、茎叶图、箱线图、概率图、概率分布图、边际图、矩阵图、单值图、饼图、区间图、Pareto、Fishbone、运行图等）

蒙特卡罗模拟和仿真

分布分析

灵活的数据导入、导出和时时监控

SPC (Statistical Process Control -统计过程控制)

DOE (全因子、部分因子设计、响应曲面设计、田口设计、混料设计等)

MSA（交叉、嵌套、量具运行图、类型I量具研究等）

可靠性分析 （分布拟合、检验计划、加速寿命测试等）

多变量分析

功效样本量

强大的宏语言

简体中文官方网站：参照扩展阅读　中国区总代理网站：参照扩展阅读

官方网和中国区代理网站站提供免费技术支持，Minitab高级培训、软件下载等服务。

 

 

公开课课程安排如下：

第一天（9：00～17：00）

Minitab基本介绍（Introduction to Minitab）

Minitab基本结构、使用技巧、保存数据、保存图形、新建项目文件等；

如何基于Minitab软件拆分、合并工作表、堆叠数据、对数据进行排序和子集化操作；

各种图形的制作及分析：直方图、散点图、箱线图、概率图、时间序列图、饼图、Pareto

基于图形进行数据分析的案例

SPC原理及各种控制图（SPC）

控制图的基本原理，控制限的计算，控制限与规格限的区别于联系；控制图的判异原则及变异源分析；控制图的不同使用阶段的划分及控制限的

确立原则；

控制图的选择树，基于数据类型和合理抽样方案选择恰当的控制图的方法；

Xbar-R控制图、Xbar-S控制图、I-MR控制图、P图、NP图、C图、U图制作及分析；控制图使用的两类风险分析。

使用Minitab软件进行监控流程是否受控的案例分析

第二天（9：00～17：00）

　　过程能力分析（Capability Analysis）

　　过程能力分析的概念及意义；过程能力分析的原理及变异的估计

对正态数据的过程能力分析；Cp、Cpk的使用原则及计算意义；PP、PPk的使用及计算；Cp、Cpk、Pp、PPk的区别与联系；PPM的计算。

西格玛水平Z值的计算及意义，基准的西格玛水平能力计算分析；

对非正态分布数据的能力分析：Box-Cox转换原理、Johnson变换及选择，如何基于Minitab软件进行其它分布的能力分析。

属性数据的过程能力分析：二项分布数据的过程能力分析，Possion分布的过程能力分析

测量系统分析（MSA）

　　测量系统分析的概念及变异源分析的原理。

测量系统的稳定性、分辨度、线性、偏倚、重复性、再现性的概念及意义；

如何使用Minitab软件进行量具的线性和偏倚分析；基于Minitab软件创建测量系统

分析的工作表。GageR&R的计算及意义；P/T使用的意义及计算。

可区分类别数（NDC）的含义及计算。测量系统分析及综合案例介绍。

离散型数据的测量系统分析：属性一致性分析，Kappa分析

类型I的量具研究

第三天（9：00～17：00）

　　假设检验（Hypothesis Test）

　　假设检验的原理介绍及何时需要用假设检验进行数据分析；假设检验中存在的两类风险分析及如何选择正确的假设检验工具进行分析。原假设、

备择假设确立的原则。

单样本Z检验、单样本T检验、双样本T检验及ANOVA进行数据分析。

P值表示的含义及在不同的质量工具中输出的汇总；

　　有关假设检验的综合案例介绍

回归分析（Regression）

回归分析的意义；回归分析与相关性分析的区别与联系，相关性检验及相关系数的计算；

回归模型有效性的判断，R-sq，R-sq（Adj）、S表示的含义；

如何利用最小二乘法确立回归模型并进行残差分析及模型判断；

一元线性回归分析案例、逐步回归和最佳子集回归的介绍。

试验设计（DOE）

试验设计的发展及作用，几种常见设计类型的区别，DOE中的几个常见概念

实施DOE的基本策略及思路，实施过程中应注意事项

2k因子设计原理及正交试验原理，因子的主效应、交互作用的判断；

如何基于Minitab软件进行试验安排，复制试验、中心点、区组等操作

如何判断模型的有效性及优化模型及参数，基于Minitab软件中的DOE进行调优设计；

2k全因子及部分因子设计的综合案例分析。