使用最小二乘和极大似然估计
主题     

Minitab 提供了两种用于分析标准差 (s) 的自然对数的方法：最小二乘估计 (LS) 和极大似然估计 (MLE)。

在许多情况下，LS 和 MLE 结果之间的差异非常小，因而这两种方法可以互换使用。您可能希望同时运行这两种方法并查看其结果是否可以相互印证。如果结果不同，您可能希望找出其中原因。例如，MLE 假设原始数据来自正态分布。如果您的数据可能正态分布的，则 LS 可能会提供更好的估计值。此外，LS 无法为标准差等于零的数据计算结果。MLE 可以为这类数据提供估计值，但这取决于具体的模型。    

[7] 中讨论了对分析的不同部分同时使用 LS 和 MLE 的一个指导原则。此方法认为 LS 能为效应提供更好的 p 值，而 MLE 能提供更精确的系数。根据此种方法，可按以下步骤进行分析：

1    使用最小二乘回归选择模型，从而根据系数的 p 值确定哪些项不显著

2    重新拟合模型，排除不显著的项，以找出合适的简化模型

3    使用 MLE 估计模型的最终系数并确定拟合值和残差

有关上述方法或此方法的详细信息，请参见 [7]。