MINITAB質(zhì)量分析工具應(yīng)用大全

1、 MINITAB 質(zhì)量分析工具應(yīng)用大全 測(cè)量系統(tǒng)分析數(shù)據(jù)正態(tài)檢驗(yàn) 工序能力分析功效和樣本數(shù)量均值假設(shè)檢驗(yàn)方差假設(shè)檢驗(yàn)相關(guān)性分析實(shí)驗(yàn)設(shè)計(jì)控制圖回歸分析11-1 M-測(cè)量系統(tǒng)分析（連續(xù)型案例） gageaiag.Mtw 背景：3名測(cè)定者對(duì)10部品反復(fù)2次TEST 1 測(cè)量系統(tǒng)分析23測(cè)量值隨OP的變動(dòng)測(cè)量值隨部品的變動(dòng)對(duì)于部品10，OP有較大分歧；所有點(diǎn)落在管理界限內(nèi)良好大部分點(diǎn)落在管理界限外主變動(dòng)原因：部品變動(dòng)良好41-2 M-測(cè)量系統(tǒng)分析（離散型案例）gage名目.Mtw背景：3名測(cè)定者對(duì)30部品反復(fù)2次TEST5檢查者1需要再教育；檢查者3需要追加訓(xùn)練；(反復(fù)性)兩數(shù)據(jù)不能相差較大，否則說明

2、檢查者一致的判定與標(biāo)準(zhǔn)有一定差異個(gè)人與標(biāo)準(zhǔn)的一致性（再現(xiàn)性？）6M-測(cè)量系統(tǒng)分析：離散型案例（順序型）：散文.Mtw背景：3名測(cè)定者對(duì)30部品反復(fù)2次TEST7張四 需要再教育；張一、張五需要追加訓(xùn)練；(反復(fù)性)兩數(shù)據(jù)不能相差較大，否則說明檢查者一致的判定與標(biāo)準(zhǔn)有一定差異8M-正態(tài)性測(cè)定: (測(cè)定工序能力的前提)案例：背景：3名測(cè)定者對(duì)10部品反復(fù)2次TESTP-value 0.05 正態(tài)分布（P越大越好）本例：P 0.022 ，數(shù)據(jù)不服從正態(tài)分布。原因：1、Data分層混雜； 2、群間變動(dòng)大；2 數(shù)據(jù)正態(tài)性檢驗(yàn)93-1 M-工序能力分析（連續(xù)型）：案例：Camshaft.MTW 工程能力統(tǒng)計(jì)

3、：3 工序能力分析10短期工序能力長(zhǎng)期工序能力X平均目標(biāo)值 CpCpmX平均目標(biāo)值 Cp Cpm11 求解Zst（輸入歷史均值）：歷史均值：表示強(qiáng)行將它拉到中心位置不考慮偏移 Zst (Bench) 12 求解Zlt（無歷史均值）：無歷史均值： 考慮偏移 Zlt (Bench) * Zshift Zlt (Bench) Zlt (Bench) 12.131.820.31 133-2 工序能力分析 capability sixpack工具案例：Camshaft.MTW14153-3 M-工序能力分析（離散型）：案例：bpcapa.MTW(1)：二項(xiàng)分布的Zst16缺陷率：不良率是否受樣本大小影響

4、？平均（預(yù)想）PPM226427Zlt0.75ZstZlt1.52.25173-4 M-工序能力分析（離散型）：案例：bpcapa.MTW(2)：Poisson分布的Zst18194-1 1-sample Z（已知u）A假設(shè)測(cè)定決定標(biāo)本大?。罕尘埃篐aN（30，100/25） H0 N（25，100/n）為測(cè)定分布差異的標(biāo)本大小 有意水平 = 0.05 查出力 1 = 0.8差值：u0ua 2530-5功效值（查出力）： 1 0.8標(biāo)準(zhǔn)差：sigma104 功效和樣本數(shù)量20A假設(shè)測(cè)定決定標(biāo)本大?。?-2 ：1-sample T（未知u）背景：HaN（30，100/25） H0 N（25，10

5、0/n）為測(cè)定分布差異的標(biāo)本大小 有意水平 = 0.05 查出力 1 = 0.8差值：u0ua 2530-5功效值（查出力）： 1 0.8標(biāo)準(zhǔn)差（推定值）：sigma10樣本數(shù)量27 已知u的1-sample Z的樣本數(shù)量t 分布假定母標(biāo)準(zhǔn)偏差未制定分析；21A假設(shè)測(cè)定決定標(biāo)本大?。?-3 ：1 Proportion（單樣本）背景：H0：P 0.9 Ha：P 0.9 測(cè)定數(shù)據(jù)P10.8 、 P20.9 有意水平 = 0.05 查出力 1 = 0.9P1=0.8功效值（查出力）： 1 0.9P2=0.9母比率0.8 實(shí)際上是否0.9以下，需要樣本102個(gè)22A假設(shè)測(cè)定決定標(biāo)本大?。?-4：2 P

6、roportion（單樣本）背景：H0：P1P2 Ha：P1 P2 有意水平 = 0.05 查出力 1 = 0.9P的備擇值：實(shí)際要測(cè)定的比例？ 母比率；功效值（查出力）： 1 0.9假設(shè)P：H0的P值（0.9）母比率0.8 實(shí)際上是否小于0.9，需要樣本217個(gè)23A假設(shè)測(cè)定：案例：Camshaft.MTW5-1 ： 1-sample T（單樣本）未知總體標(biāo)準(zhǔn)差背景：對(duì)零件尺寸測(cè)定100次，數(shù)據(jù)能否說明與目標(biāo)值（600）一致（ = 0.05 ）P-Value 0.05 Ho（信賴區(qū)間內(nèi)目標(biāo)值存在）可以說平均值為6005 均值假設(shè)檢驗(yàn) 24A假設(shè)測(cè)定：案例：2sample-t.MTW5-2 2

7、-sample t（單樣本）背景：判斷兩個(gè)母集團(tuán)Data的平均， 統(tǒng)計(jì)上是否相等（有差異）步驟：分別測(cè)定2組data是否正規(guī)分布； ：測(cè)定分散的同質(zhì)性； ：ttest； 正態(tài)性驗(yàn)證：P-Value 0.05 正態(tài)分布P-Value 0.05 正態(tài)分布25 等分散測(cè)定： P-Value 0.05 等分散對(duì)Data的Box-plot標(biāo)準(zhǔn)偏差的信賴區(qū)間測(cè)定方法選擇：Ftest：正態(tài)分布時(shí)；Levenses test：非正態(tài)分布時(shí)；26 測(cè)定平均值： P-Value 0.05 Hau1 u227A假設(shè)測(cè)定：案例：Paired t.MTW5-3： Paired t（兩集團(tuán)從屬/對(duì)應(yīng)） 背景：老化實(shí)驗(yàn)前后

8、樣本復(fù)原時(shí)間； 10樣本前后實(shí)驗(yàn)數(shù)據(jù)，判斷老化實(shí)驗(yàn)前后復(fù)原時(shí)間是否有差異； （正態(tài)分布；等分散； = 0.05 ）P-Value 0.05 Hau1 u2（有差異）28A假設(shè)測(cè)定：5-4： 1 proportion t（離散單樣本） 背景：為確認(rèn)某不良P是否為1，檢查1000樣本，檢出13不良， 能否說P=1%? （ = 0.05 ）P-Value 0.05 H0 P=0.0129A假設(shè)測(cè)定：5-4： 2 proportion t（離散單樣本） 背景：為確認(rèn)兩臺(tái)設(shè)備不良率是否相等， A: 檢查1000樣本，檢出14不良， B: 檢查1200樣本，檢出13不良， 能否說P1=P2? （ = 0.

9、05 ）P-Value 0.05 HoP1 = P230A假設(shè)測(cè)定： Chi-Square-1.MTW5-5： Chi-Square t（離散單樣本）背景：確認(rèn)4個(gè)不同條件下，某不良是否有差異？P-Value 0.05 HoP1 = P2（無差異）應(yīng)用一： 測(cè)定頻度數(shù)的同質(zhì)性： H0: P1=P2=Pn Ha: 至少一個(gè)不等；31A假設(shè)測(cè)定： Chi-Square-2.MTW(5)： Chi-Square t（離散單樣本）背景：確認(rèn)班次別和不同類型不良率是否相關(guān)？P-Value 0.05 Ha 兩因素從屬（相關(guān)）應(yīng)用二： 測(cè)定邊數(shù)的獨(dú)立性： H0: 獨(dú)立的（無相關(guān)） Ha: 從屬的（有相關(guān)）；

10、班次不良類型32AANOVA（分散分析）： 兩個(gè)以上母集團(tuán)的平均是否相等；6-1 ： One-way A（一因子多水平數(shù)）背景：確認(rèn)三根彈簧彈力比較？H0: u1=u2=unHa: 至少一個(gè)不等；P-Value u無有意差；1和2可以說無有意差，1和3有有意差；6 方差假設(shè)檢驗(yàn) 33AANOVA（分散分析）： 兩個(gè)以上母集團(tuán)的平均是否相等；6-2： Two-way A（2因子多水平數(shù)）背景：確認(rèn)生產(chǎn)線（因子1）、改善（因子2）影響下，測(cè)定值母平均是否相等，主效果和交互效果是否有意？生產(chǎn)線：P-Value 0.05 H0 u相等，無差異；生產(chǎn)線：信賴區(qū)間沒有都重疊 u有差別對(duì)結(jié)果有影響改 善：信

11、賴區(qū)間重疊 u無差別對(duì)結(jié)果沒有影響34A（相關(guān)分析）： Scores.MTWP-Value 確認(rèn)哪個(gè)因子影響收率，利用2（5-1）配置法輸入data：表示2 5-1 部分配置的清晰度和部分實(shí)施程度.42 曲線分析：-B、D、E有意；-BD、DE有交互作用；-在A=10,B=2,C=120,D=180,E=3時(shí)，Y95最佳；43 統(tǒng)計(jì)性分析：實(shí)施t-test，判斷有意因子 B、D、E、BD、DE有意通過分散分析，判斷1次效果、2次效果的有意性 - 主效果和交互作用效果都有意。448-4 最大傾斜法：一次試驗(yàn) (1) 因子配置設(shè)計(jì)：背景： 反應(yīng)值 : 收率(Yield) 時(shí)間35min，溫度155

12、時(shí)，Y80 因 子 : 時(shí)間(30 , 40) 溫度(150,160) 確認(rèn)哪個(gè)因子影響收率，利用中心點(diǎn)包括的22配置法在中心點(diǎn)實(shí)驗(yàn)的次數(shù)！45一次試驗(yàn) (2)統(tǒng)計(jì)性分析：實(shí)施對(duì)因子效果的 t-test， 判斷有意的因子。 A, B 有意；通過分散分析判斷1次效果、交互作用及曲率效果的有意性。 - 1次效果(Main Effect) 有意； - 彎曲不有意，故而沒有曲率效果。 46一次試驗(yàn) (3)確認(rèn)最大傾斜方向： 線性變換的因子的水準(zhǔn)還原為實(shí)際水準(zhǔn)值。- 實(shí)際水平 : A ( 30,40) ,B(150,160) 為還原實(shí)際水平值， 線性變換的 值各各乘5. 利用追定的回歸系數(shù)，決定最大傾斜

13、方向()最大傾斜方向：A每增加1時(shí)，B增加0.42 的方向。StepCoded LevelUncoded Level試驗(yàn)結(jié)果(收率)ABAB中心點(diǎn)003515580.44 10.4252.181.08 110.4240157.182.90 220.8445159.283.14 331.2650161.383.70 441.6855163.484.33 552.1060165.587.80 662.5265167.688.65 772.9470169.792.40 883.3675171.893.54 993.7880173.994.7810104.2085176.095.3011114.629

14、0178.194.2112125.0495180.292.51Step由實(shí)驗(yàn)者配置，Step10時(shí)Y取最大值，適用因子配置；47二次試驗(yàn) (1) 因子配置設(shè)計(jì)：背景：通過最大傾斜法求Y最大化的因子水平，通過追加實(shí)驗(yàn)，確認(rèn)是否最佳水準(zhǔn)的領(lǐng)域； 收率(Yield) 時(shí)間(80 , 90) 溫度(171,181) 確認(rèn)哪個(gè)因子影響收率，利用中心點(diǎn)包括的22配置法48二次試驗(yàn) (2)統(tǒng)計(jì)性分析： 對(duì)因子效果t-test，判斷與Y有意因子- A, B 有意 -CtPt P64%，可以信賴回歸模型； 通過分散分析，判斷1、2次效果的有意性- 1次效果、2次效果有意 通過Lack-of-Fit Test，判

15、斷模型的 適合性 - 失擬 0.05 (不有意)， 因此判斷模型適合51(3) 殘差分析：對(duì)殘差的正態(tài)分布假說的研討 直方圖、正態(tài)分布圖對(duì)分散同質(zhì)假說的研討與擬合值 殘差已確定為隨機(jī)分布，可以進(jìn)行分散同質(zhì)假說研討 52(3) 坐標(biāo)圖分析：因子的最佳條件 - A: 289 310 - B: 11 18 預(yù)想Y=79.5.53(4) 數(shù)值性分析：最佳化因子水平初期設(shè)定（大概值）望大：求最大值；下限：設(shè)定最小值望目：設(shè)定目標(biāo)值Y = 79.5，滿足度= 1。 即意味著滿足目標(biāo)值要求；調(diào)整因數(shù)水平而使透過率更好。A=299.50、B=14.90時(shí)，Y(Max)79.616354I 反映表面實(shí)驗(yàn)2： 多

16、個(gè)反映值(1) 因子配置設(shè)計(jì)： 試驗(yàn)配置 : 中心合成計(jì)劃(2因子) - 反應(yīng)值(Y) : Y1、Y2、Y3 - 因數(shù)/水平: A (Low = 80, High = 90), B (Low = 170, High = 180)背景：通過最大傾斜法，知道反應(yīng)時(shí)間A= 85分鐘、反應(yīng)溫度B=175F是最佳條件。 求可以滿足3個(gè)反應(yīng)變量(Y1、Y2、Y3)結(jié)果條件的因子的最佳水準(zhǔn)。輸入試驗(yàn)結(jié)果：A、B：選中后右鍵選擇數(shù)據(jù)格式轉(zhuǎn)換成整數(shù)55(2)統(tǒng)計(jì)性分析： 誤差項(xiàng)要不要 Pooling?誤差項(xiàng)Pooling的話 Lack of fit（失擬） 的 P-value要大起來, R-sq(adj)要升高

17、 ，或者Regression（回歸）的 F值要升高 不然的話，證明現(xiàn)在的模型更適當(dāng)2個(gè)因子的主效果、2次效果都有意，不實(shí)施Pooling. 交互作用，Pooling到誤差項(xiàng)時(shí)，R-sq(adj)和lack of fit的P值會(huì)減少，因此不Pooling.56A 的2次效果(A*A)不有意，故而Pooling到誤差項(xiàng).交互作用(A*B)，Pooling到誤差項(xiàng)時(shí)， R-sq(adj)和lack of fit的P值會(huì)減少因此不Pooling.Pooling 后分析結(jié)果在項(xiàng)中去掉A*A項(xiàng)后再次運(yùn)行57Pooling 后分析結(jié)果在項(xiàng)中去掉A*A、A*B項(xiàng)后再次運(yùn)行A、B的2次效果（AA,BB）不有意，

18、Pooling到誤差項(xiàng).AB交互作用，Pooling到誤差項(xiàng)時(shí)，R-sq(adj)和lack of fit的 P值會(huì)減少因此不Pooling.58(3) 坐標(biāo)圖分析：位于Plot的中央部的白色部分是A和B因子滿足所有反應(yīng)變量的水平值的范圍。Y1、Y2、Y3的取值范圍；59(4) 數(shù)值性分析：調(diào)整因子的水準(zhǔn)，接近收率(Yield)= 78.5以上、粘性Viscosity)=65.已修訂的因子水準(zhǔn)值609-1 XBAR-R管理圖：(1) Xbar-R （n=10）629-3 P 管理圖（離散，樣本大小不一定）63（3） P 管理圖（離散，樣本大小不一定）按月、按值班組、改善前(6月)、按改善前后等

19、按層區(qū)別在一個(gè)坐標(biāo)圖上區(qū)分標(biāo)注。如圖可見，6月散步大，7、8月明顯減少；649-3 nP 管理圖（離散，樣本大小一定）659-4 C 管理圖（離散，不良數(shù)）669-5 U 管理圖（離散，不良數(shù)，組大小不定）6710 回歸分析10-1 一元線性回歸68Minitab 在兩個(gè)以上變量的關(guān)系上建立數(shù)學(xué)函數(shù)的方法Response : 選擇種屬變量(結(jié)果值) - Score 2Predictors : 選擇獨(dú)立變量(輸入值) - Score 1EXH_REGR.MTW10-1 一元線性回歸69Options.Weight:為加重回歸指定有加重值的 ColFit intercept:決定在模型中是否除去絕

20、對(duì)項(xiàng)Display - Variance inflation factors:以多重空線型判別(VIF) 影響值，指定VIF值輸出與否 -Durbin-Watson statistic :指定檢定殘差自己相關(guān) Durbin-Watson統(tǒng)計(jì)量輸出與否Lack of Fit Tests -Pure error:指定履行適合性檢定時(shí)純誤差項(xiàng)的 輸出與否 -Data subsetting:指定把說明變量細(xì)分而提供類似 反復(fù)效果的算法適用與否Prediction intervals for new observation:推定回歸 式后，按說明變量的值推定y值 Storage -Fits:指定是否保存

21、推定的y -Confidence limits:指定是否保存推定y的信賴水準(zhǔn)的 信賴區(qū)間 -SDs of fits:指定是否保存y的標(biāo)準(zhǔn)偏差 -Predicction limits:指定是否保存y的預(yù)測(cè)界限MinitabRegression70Results. 在 Session 窗不顯示任何結(jié)果時(shí) 顯示基本的回歸分析結(jié)果時(shí)顯示基礎(chǔ)統(tǒng)計(jì)量時(shí)顯示追加統(tǒng)計(jì)量時(shí)Graphs.Residuals for Plots:殘差圖象中顯示的殘差種類選擇 -Regular:在資料的原來測(cè)度內(nèi)利用殘差時(shí) -Standardized:利用標(biāo)準(zhǔn)殘差時(shí) -Deleted:利用 Studentized殘差時(shí)Residua

22、l Plots -Histogram of residual:畫殘差的 Histogram 時(shí) -Normal plot of residual : 畫殘差的正態(tài)概率圖時(shí) -Residuals versus fits:想看殘差的適合性時(shí) -Residuals versus order:關(guān)于殘差對(duì)比資料的順序 -Residuals versus the variables:殘差與變量之間的關(guān)系MinitabRegression71MinitabRegression分析結(jié)果回歸方程式為SCORE2=1.12+0.218SCORE1P值比留意水準(zhǔn)小，故駁回歸屬假設(shè)。即兩個(gè)變量的回歸系數(shù)不是 0。對(duì)資

23、料的說明程度(決定系數(shù))為95.7%，因第 9個(gè)數(shù)據(jù)是非正常數(shù)據(jù)，故需要進(jìn)一步觀察。新數(shù)據(jù)的信賴區(qū)間為(2.7614, 3.0439), 預(yù)測(cè)區(qū)間為(2.5697, 3.2356)。72Minitab10-2 Stepwise 逐步線性回歸 說明變量數(shù)量多時(shí)，添加或減少變量而選別適當(dāng)?shù)淖兞考蠟槟康乃锌赡艿幕貧w : 當(dāng)有k個(gè)變量時(shí)，調(diào)查從一個(gè)也不包含的模型至包含 k個(gè)的 所有模型 前進(jìn)選擇法 : 在影響反應(yīng)變量的 k個(gè)說明變量中選擇最大影響的變量， 并判斷為再無其它重要變量時(shí),停止變量的選擇 后進(jìn)選擇法 : 在影響反應(yīng)變量的 k個(gè)說明變量中除去影響小的變量， 并判斷為再無可除變量時(shí)，停止變量

24、的除去階段別回歸方法 :在前進(jìn)選擇法里加后進(jìn)選擇法的方法73MinitabStepwiseResponse:輸入反應(yīng)變量(Pulse2)Predictors:輸入說明變量(Pulse1 Ran-Weight)Predictors to include in every model: 指定先包含的變量選擇 Forward selection后指定留意水準(zhǔn)留意水準(zhǔn):把預(yù)測(cè)變量追加到回歸模型的基準(zhǔn) (p值小于留意水準(zhǔn)時(shí)追加) PULSE.MTW74MinitabStepwise顯示進(jìn)入模型的預(yù)測(cè)變量的最佳程度 (若是2，則顯示 2個(gè)預(yù)測(cè)變量)輸入要進(jìn)行幾次操作回歸模型里要追加常數(shù)項(xiàng)時(shí) Stepwis

25、e Regression: Pulse2 versus Pulse1, Ran, WeightForward selection. Alpha-to-Enter: 0.1 Response is Pulse2 on 3 predictors, with N = 92 Step 1 2 3Constant 10.28 44.48 70.85Pulse1 0.957 0.912 0.851T-Value 7.42 9.74 9.27P-Value 0.000 0.000 0.000Ran -19.1 -20.6T-Value -9.05 -9.93P-Value 0.000 0.000Weight

26、 -0.134T-Value -3.08P-Value 0.003S 13.5 9.82 9.39R-Sq 37.97 67.71 70.85R-Sq(adj) 37.28 66.98 69.85C-p 99.3 11.5 4.0 best alt.Variable Ran Weight T-Value -6.70 -0.54 P-Value 0.000 0.591 Variable Weight T-Value -1.62 P-Value 0.10875Minitab10-3Best Subsets 最佳回歸法 在分析者所希望的說明變量中找出最佳模型的分析Response:指定反應(yīng)變量Fre

27、e predictors:指定在模型里包含可能性的 變量Predictors in all models:指定必須包含在模型 中的變量包含在模型的至少變量數(shù)和最大變量數(shù)在說明變量數(shù)為相同的組合中，指定最高說明結(jié)果的幾個(gè)輸出與否EXH_REGR.MTW76結(jié)果解釋在模型選擇上有根據(jù)的統(tǒng)計(jì)量(R-square, adj-R, Cp)Vars:包含在各模型的說明變量數(shù)。以下是如前所定的5個(gè)說明變量中包含2個(gè)至4個(gè)的模型中按R-square高順序所表示的。另在包含2個(gè)、3個(gè)、4個(gè)說明變量的模型 中，每各變量個(gè)數(shù)輸出3個(gè)。MinitabBest Subsets77履行單一回歸步驟, 繪出回歸圖在線型回歸

28、及多項(xiàng)回歸中有用的方法, 即一個(gè)變量對(duì)應(yīng)一個(gè)反應(yīng)值時(shí)。 Options.Response:指定反應(yīng)變量Predictor:指定說明變量(僅一個(gè))Type of Regression Model:指定回歸 Model (1,2,3次方程式)Transformations:反應(yīng)變量與說明 變量取10為底的 LogDisplay Option:表示信賴區(qū)間及 預(yù)測(cè)區(qū)間Minitab10-4 Fitted Line Plot 擬合曲線回歸法78MinitabFitted Line Plot結(jié)果解釋顯示2次項(xiàng)模型比直線模型更為適合79殘差 plot 是為回歸分析診斷而使用回歸分析時(shí), 若保存了殘差和推定

29、值(Fits),則利用 Residual Plot 步驟繪出殘差圖形。進(jìn)行殘差分析之前應(yīng)先保存殘差和適合值 Stat Regression Storage : 把 Fits與 Residual checkResiduals : 指定殘差Fits : 指定反應(yīng)變量的推定值MinitabResidual Plots80MinitabResidual Plots顯示為檢查殘差是否近似于正態(tài)分布的正態(tài)概率圖，接近直線時(shí)為良好。用類似于正態(tài)概率圖的用途顯示全面的殘差形態(tài)的圖象，正態(tài)分布形態(tài)時(shí)為良好殘差對(duì)適合值的圖象是顯示越小的預(yù)測(cè)值 更為適合81當(dāng)反應(yīng)變量不是連續(xù)性的二分型(0,1)資料時(shí)的回歸分析Re

30、sponse:指定反應(yīng)變量Frequency:輸入頻率數(shù)存在成功與試行次數(shù), 成功與失敗, 失敗 與試行次數(shù)形態(tài)的反應(yīng)變量時(shí)，各自輸入。 Model:指定說明變量 Factors:在說明變量中指定離散型變量Graph.指定為回歸模型診斷的各種圖象EXH_REGR.MTWMinitab10-5 Binary Logistic Regression 二元擬合線回歸法82Results.通過圖象診斷過程中顯示不適合模型的值有2個(gè)。在圖象上按鼠標(biāo)右鍵則出現(xiàn) Play菜單，并通過 Brush確認(rèn)是第31號(hào)值與第66號(hào)值MinitabBinary Logistic Regression83Binary L

31、ogistic RegressionLink Function: LogitResponse InformationVariable Value CountRestingP Low 70 (Event) High 22 Total 92Factor InformationFactor Levels ValuesSmokes 2 No YesLogistic Regression Table Odds 95% CIPredictor Coef StDev Z P Ratio Lower UpperConstant -1.987 1.679 -1.18 0.237Smokes Yes -1.193

32、0 0.5530 -2.16 0.031 0.30 0.10 0.90Weight 0.02502 0.01226 2.04 0.041 1.03 1.00 1.05Log-Likelihood = -46.820Test that all slopes are zero: G = 7.574, DF = 2, P-Value = 0.023Goodness-of-Fit TestsMethod Chi-Square DF PPearson 40.848 47 0.724Deviance 51.201 47 0.312Hosmer-Lemeshow 4.745 8 0.784Brown:General Alternative 0.905 2 0.636Symmetric Alternative 0.463 1 0.496Table of Observed and Expected Frequencies:(See Hosmer-Lemeshow Test for the Pearson Chi-Square Statistic) GroupValue 1 2 3 4 5 6 7 8 9 10 TotalLow Obs 4 6 6 8 8 6 8 12 10 2 70 Exp 4.4 6.4 6.3 6