4. 分析残差(Residual) - 散点图 Minitab Menu : Stat / Regression / Regression
13 -8/16
LG Electronics / LGENT 6σTASK TEAM
回归分析例题-单回归分析
4. 分析残差(Residual) - 散点图 Minitab Menu : Stat / Regression / Regression
R-Sq(adj) = 87.3%
我们要找的函数式是？
Analysis of Variance Source Regression Residual Error Total 9 Source x1 x2 DF 1 1 DF SS MS 2 332.07 166.04 7 36.33 5.19 368.40 Seq SS 313.04 19.03 F 32.00 P 0.000
Histogram of the Residuals
(response is Y)
3
Normal Probability Plot of the Residuals
(response is Y)
1
Frequency
Normal Score
-6 -4 -2 0 2 4 6
2
0
1
0
-1
Residual
-5
Normal Probability Plot
Residual
0
5
.999
残差(Residual)是检验回归方程法是否适用 的一种Tool.其判断依据如下: 1) 残差的平均应始终为 ‘0’ 2) 残差应正态分布 3) 残差要Random分布 (不能有倾向性)
.99 .95
Probability
.80 .50 .20 .05 .01 .001 -5 0 5
• Fits 是从因子各个测定Data开始,通过回归方程式的计算，随着X的实测值的 Y的推测值. Y = 4.71 + 1.48X • Residual(残差)的Error表示是 实际反应值上，把预想的反应值，从各测定值上减掉的值， 上面例题是 C3 = C2 - C4
13 -5/16 LG Electronics / LGENT 6σTASK TEAM
xi
· = y - bx a
· = b
x
S (xy ) S (xx )
Σ xy = Σ x 13 -2/16
2
Σ xΣ y
n
(Σ x )
2
n
LG Electronics / LGENT 6σTASK TEAM
回归分析例题-单回归分析
根据Lot大小(X)预测生产人数(Y) ，利用Random（随机法）抽出数据进行回归分析.
Regression Plot
Y = 4.71171 + 1.48018 X S = 4.26989
140
R-Sq = 98.5 %
R-Sq(adj) = 98.3 %
120
100
80
Y
60 40
Regression
20
95% CI 95% PI
10 20 30 40 50 60 70 80
0
X
• 得出结论 Lot的大小是影响生产人数(Y)的因子 • 因R-Sq = 98.5 %，可以定为做了相当的贡献 (一般推荐（Recommend）为R-Sq 的值为65 % 以上)
13 -14/16
LG Electronics / LGENT 6σTASK TEAM
回归分析例题-中回归分析（2）
实行结果
Stepwise Regression: y versus x1, x2, x3, x4 Alpha-to-Enter: 0.15 Alpha-to-Remove: 0.15 Response is y on 4 predictors, with N = 13 Step Constant x4 T-Value P-Value x1 T-Value P-Value x2 T-Value P-Value S R-Sq R-Sq(adj) C-p 8.96 67.45 64.50 138.7 2.73 97.25 96.70 5.5 1 117.57 -0.738 -4.77 0.001 2 103.10 -0.614 -12.62 0.000 1.44 10.40 0.000 3 71.65 -0.237 -1.37 0.205 1.45 12.41 0.000 0.416 2.24 0.052 2.31 98.23 97.64 3.0 1.47 12.10 0.000 0.662 14.44 0.000 2.41 97.87 97.44 2.7 4 52.58
ò Å Ð º 1 2 3 4 5 6 7 8 9 10 11 12 13 x1 7 1 11 11 7 11 3 1 2 21 1 11 10 x2 26 29 56 31 52 55 71 31 54 47 40 66 68 x3 6 15 8 8 6 9 17 22 18 4 23 9 8 x4 60 52 20 47 33 22 6 44 22 26 34 12 12 y 78.5 74.3 104.3 87.6 95.9 109.2 102.7 72.5 93.1 115.9 83.8 113.3 109.4
1. 首先画Graph Minitab Menu : Graph / Plot
X 10 20 30 40 40 50 60 60 70 80 Y 20 29 50 60 70 85 90 95 109 120
可以大致推测两个变量的关系在一条直线上.
13 -3/16 LG Electronics / LGENT 6σTASK TEAM
回归分析例题-单回归分析
2. 进行回归分析 Minitab Menu : Stat / Regression /Regression
为了将Fit / Residual保存在Data窗里
为了判断Fitting方程式恰当与否而使用
13 -4/16
LG Electronics / LGENT 6σTASK TEAM
Anderson-Darling Normality Test A-Squared: 0.414 P-Value: 0.269
RESI1
Average: 0 StDev: 4.02569 N: 10
13 -7/16
LG Electronics / LGENT 6σTASK TEAM
回归分析例题-单回归分析
对各独立变数的假设检证结果是？
ANOVA分析结果，对于已知的 函数式的假设检证结果是？
Predicted Values for New Observations New Obs Fit SE Fit 95.0% CI 95.0% PI 1 21.671 0.831 ( 19.706, 23.637) ( 15.934, 27.409) LG Electronics / LGENT 6σTASK TEAM
回归分析例题-中回归分析（1）
实行结果
The regression equation is y = - 0.65 + 1.55 x1 + 0.760 x2 Predictor Constant x1 x2 S = 2.278 Coef SE Coef -0.651 2.908 1.5515 0.6462 0.7599 0.3968 R-Sq = 90.1% T -0.22 2.40 1.91 P 0.829 0.047 0.097
回归分析例题-单回归分析
3. 分析残差(Residual) - 正态性检验 Minitab Menu : Stat / Regression /Regression
13 -6/16
LG Electronics / LGENT 6σTASK TEAM
回归分析例题-单回归分析
3. 分析残差(Residual) - 正规性检验 别的 Minitab Menu : Stat / Basic Statistics / Normality Test
13 -13/16
回归分析例题-中回归分析（2）
几个ห้องสมุดไป่ตู้立变数中找出最佳的函数式
有几个独立变数时，或与从属变数有相关关系，或与从属变数没有相关关系。 但根据选择的独立变数不同，我们可以作成的函数式相当多， 如果作成的是最简单最有信赖性的函数式的话， 很容易应用在业务上。利用以下已知的data找出最好的函数式。（但，假设为线型） Minitab Menu : Stat / Regression / Stepwise…
R-Sq = 98.5%
R-Sq(adj) = 98.3%
Analysis of Variance Source Regression Residual Error Total DF 1 8 9 SS 9727.7 145.9 9873.6 MS 9727.7 18.2 F 533.55 P 0.000
回归分析例题-单回归分析
Regression Analysis: Y versus X
The regression equation is Y = 4.71 + 1.48 X
Predictor Constant X S = 4.270 Coef 4.712 1.48018 SE Coef 3.242 0.06408 T 1.45 23.10 P 0.184 0.000
13部 回归分析(Regression)
LGENT SIX SIGMA TASK TEAM
什么是回归分析
1. 什么是回归分析
• 想要改善问题情况，掌握相关变量(具有连续反应值特性)之间的相互相关性，这种方法用的情况多. (有/无相互相关性，可以提供问题解决Point)