品质协会 发表于 2017-8-7 12:57:42

Minitab回归分析流程:选定拟合模型、模型判断等

Minitab回归分析流程:选定拟合模型、模型判断等

第一步,选定拟合模型

1.1 分析评估回归的显著性

(1)判断ANOVA表中的总效果

H0:模型无效,H1:模型有效

判断标准,主效应和2因子的交互作用至少有一项P小于0.05,应拒绝原假设,才能证明模型有效。

(1)看有没有失拟,H0:无失拟,H1:有失拟

判断标准:P大于0.05,表明无法拒绝原假设,判为无失拟,反之,说明模式漏掉了重要的项(高阶交互作用的项)

(2)看有没有弯曲,H0:无弯曲,H1:有弯曲

判断标准:P大于0.05,表明无法拒绝原假设,判为无弯曲,反之,说明数据有弯曲,模型中并没有平方项,应补上。

1.2 分析评估回归的总效果

(1)两个确性系数R-sq,R-sq(adj)

R-sq(adj)肯定小于R-sq,两者越接近越好,如果差距很大,说明模型中有些不显著的项,可以删去

(2)对于S值和S2的分析

残差误差项的离差平方和(MSE)是σ2的无偏估计量,其平方根就是S

S越小越好,S先记录下来,与修改后的S值对比,如果修改后的S有降低,说明模型有改进。

1.3 判断各项效应的显著性

可以根据各项对应的P-value判断,也可以根据Pareto图判断,或标准化效应图判断

第二步,残差诊断

2.1观察残差对于以观测点顺序为横轴的散点图,看是否随机的在水平轴上下波动

2.2 观察残差对于响应变量拟合值的散点图,看是否有等方差,即是否有“漏斗型”或“喇叭型”

2.3 观察残差的正态型检查图,看是否服从正态分布

2.4 观察残差对于自变量的散点图,看是否有弯曲趋势

第三步,判断模型是否要改进

3.1 残差对于拟合值的诊断图中,是否有不齐性或弯曲,如有要对响应变量y做某种变换

3.2 残差对于自变量的诊断图,是否有弯曲,如有,需要考虑增加x的平方项

3.3 对各项效应的显著性分析,如果不显著,要从模型中删去

3.4 对建立的新模型重复一、二、三步骤

第四步,对选定的模型做解释

4.1 输出各因子的主效应图,交互效应图

4.2 输出各因子的等高线,响应曲面图

4.3 实现最优化

第五步,判断目标是否已经达到如果没达到,重新做实验

yuandayewu 发表于 2019-4-14 19:36:15

谢谢!

famess0529 发表于 2022-2-24 13:10:04

{:1_180:}

chinape 发表于 2022-2-25 09:05:02

{:1_180:}{:1_180:}{:1_180:}

szpeople 发表于 2023-7-12 08:51:13

谢谢分享

flyerchang 发表于 2023-7-13 09:52:25

谢谢分享

刘磊 发表于 2024-2-4 14:49:00

{:1_180:}

中盾88 发表于 2024-10-8 11:47:44

HAO

中盾88 发表于 2024-10-8 11:48:29

文章,收藏备用
页: [1]
查看完整版本: Minitab回归分析流程:选定拟合模型、模型判断等