دستور انجام تجزیه رگرسیون خطی ساده (دو متغیره) با نرم افزار minitab
دسترسی سریع
رگرسیون خطی ساده برای تعیین رابطه ی خطی بین دو متغیر تابع (Y) و متغیر مستقل (X) کاربرد دارد. با تعیین معادله خط می توان برای هر داده ی X مقدار Y را پیش بینی نمود.
نمونه برای رگرسیون خطی ساده: داه های زیر مقادیر مشاهده شده برای متغیر تابع (عملکرد علوفه) و متغیر مستقل (تعداد ساقه های بارور) را نشان می دهد.
Stem (X) | Tdm (Y( |
68.00 | 1.30 |
82.00 | 0.90 |
40.00 | 0.70 |
78.00 | 2.10 |
80.00 | 2.20 |
30.00 | 0.80 |
40.00 | 1.70 |
20.00 | 0.70 |
80.00 | 1.00 |
66.00 | 1.30 |
46.00 | 2.90 |
78.00 | 1.40 |
22.00 | 0.60 |
54.00 | 1.10 |
28.00 | 0.60 |
Stst > Regression > Regression > (Response: Y) & (Predictors: X)
نیز در قسمت Option رفته و تیک جلوی Dubrin Watson را فعال می کنیم. نتایج و جدول تجزیه واریانس رگرسیون خطی ساده خروجی Minitab، معادله ی خط، ضرایب رگرسیونی، جدول تجزیه واریانس و داده های پرت (در صورت وجود) را نشان می دهد.Regression Analysis: Y versus X
The regression equation is
Y = 0.645 + 0.0118 X
Predictor Coef SE Coef T P
Constant 0.6454 0.4340 1.49 0.161
X 0.011845 0.007409 1.60 0.134
S = 0.642278 R-Sq = 16.4% R-Sq(adj) = 10.0%
Analysis of Variance
Source DF SS MS F P
Regression 1 1.0546 1.0546 2.56 0.134
Residual Error 13 5.3628 0.4125
Total 14 6.4173
Durbin-Watson statistic = 1.96228
معادله ی خط، Y = 0.645 + 0.0118 X می باشد که جدول زیرین آن، سطح معنی دار بودن برای عرض از مبداء یا شیب خط (a=0.6454) و ضریب رگرسیون (b=0.0118) را از طریق آزمون T در سطح احتمال 1% می توانید ببینید. (در واقع X جدول همان ضریب b یا ضریب رگرسیون و Constant جدول، همان شیب خط یا عرض از مبداء است.
نیز ضریب رگرسیون از طریق تجزیه واریانس آزمون شده و F رگرسیونی مشاهده شده (2.56) غیر معنی دار شده است؛ چون مقدار P از 0.05 بزرگ تر است. و می دانیم که اگر مقدار P کمتر از 0.01 باشد؛ به مفهوم تفاوت معنی دار در سطح احتمال 1% و اگر مقدار P بین 0.01 و 0.05 باشد؛ به مفهوم تفاوت معنی دار در سطح احتمال 5% می باشد و اگر مقدار P بیشتر از 0.05 باشد؛ یعنی داده ها تفاوت معنی داری ندارند.
در تجزیه واریانس ضریب تبیین برابر با R-Sq = 16.4% شده است که مقدار ناچیزی می باشد یعنی تعداد ساقه های بارور، تنها 16 درصد از کل تولید علوفه را توجیه نموده است.
جدول تحت عنوانUnusual Observations ، مشاهده های غیر معمول یا پرتی را که تأثیر معنی داری بر خط رگرسیون داشته است؛ معرفی می کند.
در پایان مقداری عددی برای ضریب Durbin-Watson statistic داده شده است که اگر این ضریب بین 1.5 تا 2.5 باشد؛ نشان دهنده ی وجود فرض مستقل بودن اشتباه های آزمایشی و در نتیجه، دقت آزمایش است. در این نمونه، ضریب Durbin-Watson statistic برابر با 1.96 است که مقدار مناسبی به نظر می رسد.
دستور نمایش خط رگرسیون و بازوهای اطمینان برای نمایش خط رگرسیون و بازوهای اطمینان از دستور زیر استفاده می کنیم:Stst > Regression > Fitted Line Plot > (Response: Y) & (predictors: X)
برای دیدن بازوهای اطمینان لازم است که وارد Option شده و گزینه های Logten of y،Logten of x و Display Confidence interval را فعال نمایید. می توان برای نوشتن مدل منحنی، درجه سوم (Q) را انتخاب کرد و چک نمود که آیا معنی دار است یا خیر. اگر معنی دار نبود سراغ درجه دوم (C) و اگر آن هم معنی دار نبود می توان فقط از مدل خطی (L) استفاده نمود. نیز باید در قسمت Graph، Residuals versus fit را تیک زد و همه ی پنجره های بعدی را تأیید نمود.
نظرات
هیچ نظری وجود ندارد.
افزودن نظر
Sitemap
Copyright © 2017 - 2023 Khavarzadeh®. All rights reserved