|
|
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 |
|
发表于 2017-8-7 12:57:42
发表于 2019-4-14 19:36:15
发表于 2022-2-24 13:10:04
发表于 2023-7-13 09:52:25