当响应变量描述事件在有限观测空间内发生的次数时，使用 Poisson 回归，拟合 Poisson 模型后，您可以使用存储的模型快速生成预测变量、等值线图、曲面图、重叠等值线图和优化的响应。在这里我们假设：某制造商生产成型树脂零件。软管中的污染和对树脂粒料的磨损可能导致最终产品产生褪色条纹。温度过高和输送速率过快可能导致粒料结块。结块后很难在软管中输送和输送到模具中。该公司每小时采集一次缺陷数数据。
工具/原料
1
Minitab 17
2
树脂缺陷.MTW
方法/步骤
1
在电脑桌面上找到如下图所示红色框处的图标，用鼠标左键双击，打开它。
2
打开软件之后，我们把鼠标移动到文件菜单上，左键单击文件件菜单，然后找到“打开工作表”菜单，左键单击打开它。
3
在寻找范围栏上点击向下按扭，找到Minitab安装目录下的样本数据目录，然后在文件名称栏内输入'树脂缺陷.MTW',左键单击打开按扭。
4
选择统计 ---> 回归 ---> Poisson 回归 ---> 拟合 Poisson 模型。
5
在响应中，输入褪色缺陷， 在连续预测变量中，输入清洁小时和温度； 在类别预测变量下，输入螺丝钉的大小。左键单击图形。
6
在残差图下，选择标准化，在残差图下，选择四合一， 在每个对话框中单击确定。
7
我们得出以下结果：
8
解释结果： 清洁小时的系数为 0.01798。由于模型使用自然对数链接函数且系数较小，该系数表明，褪色数每小时增加约 1.8%。残差与拟合值 图显示一条可区分的曲线。此模式表明该模型不适用。对于这些数据，此模式是因为螺丝钉尺寸和温度交互所致，但交互作用项不在模型内。这些结果是不可靠的，除非您添加交互作用项并得到令人满意的残差图。
下一篇：地下城与勇士单机版怎么安装