表示法 项说明 响应变量的均值 第i 个响应拟合值 p 模型中的项数,不包括常量项调整MS –项 模型项的均方 (MS) 的计算公式是: Adj MS – 误差 均方误(也称为 MS 误差或 MSE,表示为 s2)是围绕拟合回归线的方差。公式如下: 表示法 项说明 yi 第i 个...
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...
删后偏差量残差可度量由于数据中缺失第i个案例而导致的偏差变化。删后偏差量残差又称似然比率偏差量残差。对于删后偏差量残差,Minitab 会根据 Pregibon 一步近似法1计算一步近似值。公式如下: 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...
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...
对数似然 根据平均值参数化对数似然函数。函数的一般形式如下: 个体贡献的一般形式如下: 下面的方程给出对二项模型的各个贡献的特殊形式: 表示法 项说明 yi 第i 行的事件数 mi 第i 行的试验数 第i 行的估计均值响应 P值 用于假设检验,可帮助您确定是...
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...