拟合回归线示例
主题     解释结果     会话命令    另请参见 

您正在研究特定机器设置与所消耗能量之间的关系。已知此关系具有相当大的弯曲，而您认为对响应变量进行对数变换将生成更对称的误差分布。您选择使用二次模型为机器设置和所消耗能量之间的关系建模。

1    打开工作表“回归示例.MTW”。

2    选择统计 > 回归 > 拟合线图。

3    在响应 (Y) 中，输入能量消耗。

4    在预测变量 (X) 中，输入机器设置。

5    在回归模型类型中，选择二次。

6    单击选项。在变换下，选中 Y 的常用对数和显示 Y 变量的对数尺度。在显示选项下，选中显示置信区间和显示预测区间。在每个对话框中单击确定。

会话窗口输出

多项式回归分析:能量消耗 与 机器设置

 

 

回归方程为

log10(能量消耗) = 7.070 - 0.6986 机器设置 + 0.01740 机器设置^2

 

 

S = 0.167696   R-Sq = 93.1%   R-Sq（调整） = 91.1%

 

 

方差分析

 

来源  自由度       SS       MS      F      P

回归       2  2.65326  1.32663  47.17  0.000

误差       7  0.19685  0.02812

合计       9  2.85012

 

 

方差的序贯分析

 

来源  自由度       SS      F      P

线性       1  0.03688   0.10  0.754

二次       1  2.61638  93.04  0.000

 

 

拟合线：能量消耗 与 机器设置

图形窗口输出

解释结果

二次模型（p 值 = 0.000，或实际 p 值 < 0.0005）看上去良好地拟合了数据。R 表明机器设置占所消耗能量取 log10 的变异量的 93.1%。通过检查此图，可以发现数据随机地散布在回归线周围，表明不存在系统失拟。还会显示所消耗能量的 log10 的 95% 置信限 (95% CI) 和新观测值的 95% 预测限 (95% PI)。