逐步法是向前选择法与向后消元法程序的组合。如果初始模型使用所有的自由度,则逐步选择操作不会继续。 要删除的变量 Minitab 针对模型中的每个变量计算 F 统计量和 p 值。如果模型包含 j 个变量,那么 F 表示任意变量 xr,公式如下: 表示法 项说明 SSE(j –Xr ) 不包含...
表示法 项说明 yi第i个因子/协变量模式的响应值 第i个因子/协变量模式的拟合值 第i个因子/协变量模式的偏差 标准化偏差量残差 标准化偏差量残差可用于标识异常值。公式为: 表示法 项说明 rD,i第i个因子/协变量模式的偏差量残差 hi第i个因子/协变量模式...
平方和 (SS) 在矩阵项中,以下是针对不同平方和的公式: Minitab 同时采用连续平方和与调整的平方和,将 SS 模型分量分解为由每个或每组项解释的变异量。 表示法 项说明 b 系数向量 X 设计矩阵 Y 响应值向量 n 观测值个数 J 全为1 的 n x n 矩阵...
如果误差项具有一个或多个自由度,则 Minitab 绘制正态分值、概率或百分比(与标准化效应相对)。 此线条对应于标准差为 1 的正态分布。 其 p 值小于 α 的效应在图中标记为显著。 Minitab 将此图标记为标准化效应的正态图。半正态图 如果误差项具有一个或多个...
计算公式为: 要形成组,Minitab 会调整估计概率,然后尝试创建 10 个数量相等的组。 组的预期事件数为: 预期事件数 = 非事件数的预期值为: 预期的非事件数 = 表示法 项说明 第k组的试验数 ok中的事件数因子/协变量模式 每组的平均估计概率 ...
偏差R2表示响应变量中由模型解释的变异量。R2越大,模型与数据拟合得越好。公式为: 表示法 项说明 DEError Deviance DTTotal Deviance Akaike 信息准则 (AIC) 使用此统计量比较不同模型。AIC 越小,模型与数据拟合得越好。 根据平均值参数化对数似然函数。函数的...
一个新观测值的预测响应将落入的范围。该区间由下限和上限共同定义,Minitab 根据预测值的置信水平和标准误计算下限和上限。预测区间总是要比置信区间宽,这是因为在对单个响应与响应均值的预测中包括了更多的不确定性。 计算公式为:0+ t(1 -α /2; n - ...
逐步法是向前选择法与向后消元法程序的组合。如果初始模型使用所有的自由度,则逐步选择操作不会继续。 要删除的变量 Minitab 针对模型中的每个变量计算 F 统计量和 p 值。如果模型包含 j 个变量,那么 F 表示任意变量 xr,公式如下: 表示法 项说明 SSE(j –Xr ) 不包...
在矩阵项中,计算模型中系数向量的公式为: 表示法 项说明 X 设计矩阵 Y 响应向量 Box-Cox 变换 Box-Cox 变换选择能够最小化残差平方和的 lambda 值(如下所示)。由此生成的变换是 Yλ(当λ≠ 0 时)及 ln(Y)(当λ = 0 时)。当λ < 0 时,Minitab 还...
表示法 项说明 ei 第i 个残差 hi 以下公式的第 i 个对角线元素: p 模型参数的数量,包括常量 s 2 均方误 b 系数向量 b(i) 删除第 i 个观测值之后计算的系数向量 X 设计矩阵DFITS 将杠杆率和 t 化残差(删后 t 残差)值合并为一个表示观测值异...