在这里我们将要学习如何使用Minitab17制作回归拟合分析图，它用一个预测变量的线性项和多项式
（二阶或三阶）项执行回归（如果请求），并以实际尺度或 log10 尺度绘制通过数据的回归线
图。同样，我们今天的示例如下：您正在研究特定机器设置与所消耗能量之间的关系。已知此关系具有相当大的弯曲，而您认为对响应变量
进行对数变换将生成更对称的误差
分布。您选择使用二次模型
为机器设置和所消耗能量之间的关系建模。
工具/原料
1
Minitab17
2
回归示例.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'回归示例.MTW',左键单击打开按扭。
4
鼠标左键单击选择统计 菜单栏，然后单击左键选择 回归 菜单，最后左键选择 拟合线图。具体如下图所示：
5
左键单击 响应 (Y) 标签右边的对话框，然后左键双击左侧的能量消耗项；然后同样的方法把机器设置输入预测变量 (X) 右边的对话框中， 在回归模型类型中，左键点击选择二次选项。具体操作如下图所示：
6
左键单击选项按钮。在变换下，左键点击选中 Y 的常用对数和显示 Y 变量的对数尺度选项。在显示选项下，选中显示置信区间和显示预测区间。在每个对话框中单击确定。
7
我们得出以下图形结果：
8
解释结果：二次模型（p 值 = 0.000，或实际 p 值 < 0.0005）看上去良好地拟合了数据。R 表明机器设置占所消耗能量取 log10 的变异量的 93.1%。通过检查此图，可以发现数据随机地散布在回归线 周围，表明不存在系统失拟。还会显示 所消耗能量的 log10 的 95% 置信限 (95% CI) 和新观测值的 95% 预测限 (95% PI)。
上一篇：R语言做一元线性回归分析
下一篇：高斯牛顿迭代法java源码