如何使用 MINTAB 进行回归分析回归分析用来检验并建立一个响应变量与多个预测变量之间的关系模形。MINITAB 提供了多种最小二乘法和推理回归程序。当响应变量为连续的量值时使用最小二乘法当响应变量为分类值时使用推理回归。最小二乘法和推理回归方法都是评估关系模型中的参数并使模型的按按拟合值达到最优化。最小二乘法是使误差平方和以获得参数估量值。但是 MINITAB 的推理回归命令是获得参数最大概率估量。参考 2-29 页推理回归概要以获得更多关天推理回归分析信息。使用下表来帮助选择适当的程序。选择的程序适合的条件响应类型评估方法回归 执行简单或多元回归分析：选择合适的关系模型、存贮回归统计量、检验残差分析、产生点估量、产生预测和置信区间以与进行 LACK-FIT 检验。 连续型 最小二乘法 逐步回归分析 为了识别预测因素中有用的子集，执行逐步、进一步选择以与后退消除等方法从关系模型中增加或消除变量。 连续型 最小二乘法 最佳子集 识别以 R2为基础的预测因子最佳子集。 连续型 最小二乘法拟合线性图 使用单个预测因子执行线性和多项回归，并且用数据绘制回归线。以实际和 log10为基础。 连续型 最小二乘法残差图 产生一组残差图用来进行残差分析。正常 score 图，单值残差图，残差柱 连续型 最小二乘法 状图以与残差和拟合图。 二元推理分析 进行响应可能只有两个值的回归分析，例如：存在或不存在。 分类最大概率顺序推理 对响应可能有三个或更多的值的响应进行回归分析，该响应值有自然的顺序，例如：无影响、中等影响、严重影响。分类最大概率名义推理对响应可有三个或更多的值的响应进行回归分析，该响应值没自然的顺序，例如：甜、咸、酸分类最大概率 回归您可以使用回归方法来进行用最小二乘法为基础的一元和多元回归分析。使用本程序您可以产生最小二乘法关系模型，贮存回归统计量，检验残差，产生点估量、进行预测以与置信区间，并且可以进行 lack-of-fit 检验。同时您也可以使用该命令产生多元回归关系模型。然而，假如您要使用一个预测因子来获得一个多元回归关系模型，您将会发现使用拟合线性图更好。数据在数字型列中输入相等长度的响应和预测因子变量，这样您的工作表中每行的数据包含着对应观察值的测量结果。在回归方程计算和方差分析表中，MINITAB 忽略了响应或预测因子中所有包含丢失值的观测值列。线性回归分析1. 选择统计>回归>回归2. 在“响应”栏中，输入包含...
