Minitab教程案例

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,(#),*,1. Minitab,的操作,1,(#),MINITAB = Mini + Tabulator =,小型 + 计算机,介绍,于,1972,年，美国宾夕法尼亚 州立大学用来作统计分析、教育用而开发，目前已出版,Window,用版本,Vesion12.2,，,并且已在工学、社会学等所有领域被广泛使用。特别是与,Six-sigma,关联，在,GE,、,AlliedSignal,等公司已作为基本的程序而使用。,优点,以菜单的方式构成，所以无需学习高难的命令文，只需拥有基本的统计知识便可使用。图表支持良好，特别是与,Six-sigma,有关联的部分陆续地在完善之中,。,Minitab,什么是,Minitab ?,2,(#),一般统计,-,基础统计 -回归分析 - 分散分析 - 多变量分析 - 非母数分析,- TABLE(行列) - 探索性 资料(数据)分析,品质管理,-,品质管理工具 - 测定系统分析 - 计量值数据分析,- 计数值数据分析 - 管理图分析 - 工程能力分析,信赖性 及 数据分析,-,分布分析 - 数据的回归分析 - 受益分析,实验计划,-,要因 实验计划 - 反应表面 实验计划,- 混合 实验计划 - Robust 实验计划,Minitab,什么是,Minitab ?,3,(#),Minitab,Minitab,操作,Minitab,初始画面,方法 2. 利用 Minitab 图标 运行的方法,把,Minitab,安装到电脑时，开始菜单 及 Minitab 公文包里生成Minitab的 运行图标。运行Minitab的方法有利用开始菜单及选择运行图标两种。,方法 1. 利用开始菜单 运行 Minitab 的方法,4,(#),Session window:,直接输入,Minitab,的命令或显示类似统计表的文本型结果文,件的窗口,WorKsheets,:,用于直接输入数据或可以修改的窗口，具有类似,Excel,中的,spread sheet,功能,Info,窗,:,简要显示已使用的变量信息的窗口,History,窗,:,储存已使用过的所有命令，并帮助已使用过的命令可重复使用,Graph,窗,:,显示各种统计图表，同时可以打开15个窗口,Minitab,Minitab,画面 构成,5,(#),File :,有关文件管理所需的副菜单的构成,Edit :,编辑,Worksheet data ,外部,data,的,link,及,command link editor,副菜单,Manip,: Worksheet data,的,Split,、,Sort,、,Rank,、,Delete,、,Stack/,Unstack,等副菜单,Calc :,利用内部函数的数据计算及利用分布函数的数据生成,Stat :,是分析统计资料的副菜单，由基础统计、回归分析、分散分析、品质管理、时针序列,分析、离散资料分析、非母数统计分析等构成,Graph :,为编辑,Graph,的,Graph Layout, Chart,副菜单及文字,Graph,构成,Editor :,不使用菜单，使用命令直接作业及,Cl,ipboard setting,等副菜单,Window :,由控制,Window,画面构成的副菜单及 管理,Graph,画面的副菜单构成,Minitab,Minitab,菜单 构成,6,(#),打开,新建,: File - New(project, worksheet),打开保存的,Project : File - Open project,打开保存的,Worksheet : File - Open Worksheet,打开保存的,Graph : File - Open Graph,用,ODBC,打开,: File -,Quary,Database,打开,TXT :,File - Others file - Import special txt,保存,保存为当前文件名,:,File - Save(project, worksheet),另存为,: File - Save as(project, worksheet),TXT,保存,:,File - Other file - Export special txt,注,) Open Graph,下方的,Save as,为根据选择的窗口可更,改保存内容。,打印,打印当前选择,window : File - Print,练习,),把 当前的,Worksheet,保存为,Temp.mtw,，,并关闭后重新打开,Minitab,Minitab,菜单,(File),7,(#),恢复已删除资料,清除 Cell(s) 的数据,删除 Cell(s) 的数据 下端的 cell 移动,复制 Cell(s),粘贴 Cell(s),LinK,粘贴,Link,管理,选择所有 cell,编辑最后操作的对话框,打开命令编辑器,一般选项,用鼠标拖动工作窗口,按鼠标的右键会出现,pop up menu,通过此项可编辑,把,Col/Row,的全部作为工作的对象,时，选择上端/左侧。,指定变量名,:,在,C1(Col,名,),下端的,cell,上输入变量名。,输入,Data,:,把数据和文字输入到下端的,cell,上 但，要是先输入,数值把变量属性变更为数值变量后不能输入文字。,删除,Data,:,把相关,cell,用鼠标,drag,后按,Del,键,相关,cell,的内容被删除掉，并且下端的,cell,向上移动。,练习)在,AUTO.MTW,上 1) 删除 4,5,Row,后,把 C4, C5的,DATA,变更为 234,2) 把,C2 Col,移动到,C5,3),把,C4 Column Size,变更为 12,Minitab,Minitab,菜单,(Edit),8,(#),从活动 Worksheet 中复制数据，制作 subset Worksheet。,把活动 Worksheet 分成两个以上新的 Worksheet,把一列以上的数据移到多个列上,把多个列上的数据合成一个列,交换行和列的位置,对齐排列数据,数据上注明序位,删除特定列的行,把多个列的文字数据合并为一个列,数据按变换条件交换,变更 Data的属性,把数据在Session窗口里输出,把多个,Worksheet,合并为一个,Worksheet,删除行、常数、行列,把列上内容复制到其它列上,Minitab,Minitab,菜单,(Manip),9,(#),练习) 把 EXH_AOV.MTW 的 Durability 和 Carpet 保存在新的 Worksheet 后，,(1) 把 Durability 为 Unstack,(2) 用上面 Unstack 的内容 把 C7的 data保存到 C8 Subscript。,练习) 在 AUTO.MTW中，,(1) Age 按 No.M 的顺序排列。,(2) 按 Yes.M 的顺序排列的 No.F 保存到 C11。,Minitab,习题,10,(#),把多数的 col 使用函数计算后，保存到新的 col 上,把1个 col 的统计值保存到新的 col 上,用1个以上的 col 计算统计值后，保存到新的 col 上,变换为标准化资料,把数据属性变更为数值属性,把数据属性变更为文字属性,生成 Pattern 数据,把 X、Y、Z 的值用 3D 图象方式组合后生成 Mesh 数据,生成在回归分析中要使用的指示变量,指定 Random 数据的基准点,生成符合分布函数的 Random 数据,生成符合分布函数的概率，并用数据保存,行列,Minitab,Minitab,菜单,(Calc),11,(#),练习) 把 EXH_AOV.MTW 的 Durability 和 Carpet保存到新的 Worksheet 后,(1) 把 Durability 和 Carpet 相加的值保存到 Dura-Carpet 上。,(2) 把 Durability-Carpet保存到 Dura-Carpet 上。,练习) 把 EXH_AOV.MTW 的 Durability 和 Carpet保存到新的 Worksheet 后,(1) 求 Durability 的 基础统计值。,(2) Durability的Range保存到 C5。,练习) 把 EXH_AOV.MTW 的 Durability 和 Carpet保存到新的 Worksheet 后,(1) 把 Durability 正态化。,(2) 把 Durability 标准化为3和4之间的数据。,练习) 生成 1 15 的奇数，每个数二回，全体集合反复三回的数据。,练习) 把,Red Blue White Black,生成各值是二回，全体反复二回的数据。,练习) 生成从 1996.04.017.30之间按一周间隔形成的数据。,练习) 生成 1996年 4月 1日、97年 7月 30日、98年 12月 25日为各二回，全体为三回形成的数据。,练习) 在平均 300, 标准偏差5的正态分布当中抽出 40个 sample 保存到 C5上。,Minitab,习题,12,(#),Minitab,Minitab,菜单,(Window),window,:,集合了把,Minitab,的所有,window,调节的命令和总体管理的,Graph, Worksheet,的命令等,全面性,Window,的运营命令。,指定把各个,window,都显示,或者用小图标来显示,把,Tool bar,与,Status bar,隐藏或显示,使总括,Graph window,的,window,活性化,使管理,Worksheet,的,window,活性化,活性,window,用,Vmark,表示，用,Vmark,标记,打开,window,13,(#),14,(#),2.,基础统计,15,(#),基础统计量输出,基础统计量保存,对母平均的推定及检定,对母比率的推定及检定,相关分析,公分散分析,正态性检定,Minitab,基础统计,两个母集团的分散的同一性检定,16,(#),资料应为连续性的列资料,同时应为数值资料。,能输出图表。,Variables,:,选择需要分析的,Col(,变量,),By variable,:,使用集团,(,Gvoup,),变量计算基础统计量,- N : data,数值 - Mean : 平均,- Median : 中央值 - TrMean : 调整平均,- StDev : 标准偏差 - SE Mean : Standard Erro of Mean,- Minimum :最小值 - Maximum : 最大值,- Q1 : 1/4数,- Q3 : 3/4,数,Minitab,基础统计量,(,Display Descriptive Statistics),17,(#),Histogram of data,:,制作,Histgram,Histogram of data with normal curve,:,制作,Histogram,和正态分布曲线,Dotplot,of data,:,制作,Dotplot,Boxplot,of data,:,制作,Boxplot,Graphical summary,:,把统计值用,Graph,输出,Normality Test,:,正态性检定,A-Squared,:,越接近零时判断为接近正态,P-Value,:,比留意水准大时为正态性,Minitab,基础统计量,(,Display Descriptive Statistics),18,(#),计算统计量并保存在当前的,Worksheet,在选择两个以上的,Col,时，变量名区分为,1,2,。,当指定,By variable,时，随着相关,Variable,的种类按,Row,方向保存。,- First quartile:1/4,数,- Third quartile : 3/4数,- Interquartile range : Q3-Q1,- Skewness : 歪度分布的对称性 ,越接近0,越满足对称性,- Kurtosis : 添度分布的尖的程度为,0时正态分布, 负数为完满, 正数时,比正态分布尖,- MSSD :把前后数据差的乘方除以2,- N nonmissing :填满的Col数,N missing :,空,Col,数,Cumulative N : Col,的,DATA,数,- Percent :,集团占有率,- Cum percent :,累积占有率,Minitab,保存基础统计量,(,Store Descriptive Statistics),19,(#),-,留意水准 : 犯第一种错误的最大概率 - P-Value : 犯一种错误的概率的推定值,- 驳回领域 : 驳回假设的部分领域 - 两侧检定 : 驳回领域存在于两端的检定,- 单侧检定 : 驳回领域存在于分布一端时的检定,Minitab,活用,Minitab,的假设检定,20,(#),知道标准偏差时的母平均推定和检定,检定母平均是否已知道的特定值,Variables :,选定要分析的,Col,Confidence interval :,指定计算信赖区间的信赖度,Test mean :,检定对象值,(,检定时指定,),Alternative :,设定对立假设,Sigma :,输入标准偏差,p,值比留意水准小时驳回归属假设,mu,:,归属假设,mu,not :,对立假设,结果解释,: p,值比留意水准小,故驳回归属假设,即母平均不等于5。,Test mean,指定的情况,Minitab,1-Sample Z,EXH_STAT.MTW,One-Sample Z: Values,Test of mu = 5 vs mu not = 5,The assumed sigma = 0.2,Variable N Mean StDev SE Mean,Values 9 4.7889 0.2472 0.0667,Variable 95.0% CI Z P,Values ( 4.6582, 4.9196) -3.17 0.002,21,(#),结果解释,:,信赖区间为最小 4.6582,最大4.9196(信赖度为 95%时),图像对 Test 与 Confidence interval 的输出,不同。Test 时 Ho值追加表示。,Minitab,1-Sample Z,22,(#),不知标准偏差时母平均的推定和检定,Variables :,指定要分析的,Col,Confidence interval :,指定计算信赖区间的信赖度,Test mean :,指定检定时对象值,Alternative :,设定对立假设,StDev,:,标准偏差,SE Mean :,平均误差,CI :,信赖区间,mu,:,归属假设,mu,not :,对立假设,P,值比留意水准小时驳回,Ho,，,即,p,值指脱离的概率。,结果解释,: p,值小于5%留意水准，,故驳回归属假设,即平均不等于5,Test mean,指定的情况,Minitab,1-Sample t,EXH_STAT.MTW,23,(#),不知标准偏差时两个母平均差的推定和检定,Samples in one column,(stack,形态,) :,在,1Col,中比较两个,集团,Sample in different,columns(unstack,形态,),- First :,选择第一个,Col,- Second :,选择第二个,Col,Alternative :,设定对立假设,Confidence level :,设定信赖水准,Assume equal variance :,假设两个集团的母分散一致,结果解释,: p,值大于 5% 有益水准，,故选择归属假设，,即两个母平均在95%,信赖区间无差异,Minitab,2-Sample t,Two-Sample T-Test and CI: BTU.In, Damper,Two-sample T for BTU.In,Damper N Mean StDev SE Mean,1 40 9.91 3.02 0.48,2 50 10.14 2.77 0.39,Difference = mu (1) - mu (2),Estimate for difference: -0.235,95% CI for difference: (-1.464, 0.993),T-Test of difference = 0 (vs not =): T-Value = -0.38 P-Value = 0.704 DF = 80,Furnace.mtw,24,(#),有关对应的两个母集团的母平均差的推定和检定,First sample,:,选择第一个,data Col,Second sample,:,选择第二个,data Col,- 1 Col,与,2 Col,的资料数应相同,Confidence level,:,输入信赖度,Test mean,:,输入对应差的检定平均值,Alternative,:,设定对立假设,结果解释 :,p,值小于留意水准 5%， 故驳回归属,假设,即两个母平均间有差,EXH_STAT.MTW,Minitab,Paired t,25,(#),母不良率的推定及检定,Samples in columns :,只限两种文字或者数字,Summarized data,- Number of trials :,全体试行次数,- Number of successes :,成功,(,不良,),次数,Confidence level :,信赖度,Test proportion :,检定不良率,Alternative :,设定对立假设,Use test and interval based on normal distribution :,决定是否按,正态分布近似计算,结果解释:,p,值比留意水准 5%小，,故驳回归属假设,Minitab,1-Proportion(,单一母集团母比率的检,.,推定,),26,(#),两个母不良率差的推定及检定,Summarized data,- Number of trials :,全体试行次数,- Number of successes :,成功,(,不良,),次数,Confidence level :,信赖度,Test proportion :,检定不良率,Alternative :,设定对立假设,Use test and interval based on normal distribution :,是否按正态,分布近似计算,结果解释:,p,值比留意水准5%大，故选,择归属假设，即两个母集团不良率无差异,Minitab,2-Proportion(,两个母集团母比率的检,.,推定,),27,(#),Minitab,2Variances(,两个母集团分散的同一性检定,),EXH_STAT.MTW,两个母集团的分散的同一性检定,在做分散的同一性检定之前,，,有必要先做正态性数据检定。,随正态分布时,F-Test,结果,不随正态分布时看,Levenes,Test,结果再解释,结果解释:,p,值比有益水准 5%大, 故不能,判断两个母集团的分散不同。,（ 相同 ）,28,(#),命名两个变量间关系的方法,Variables :,要分析的,Col,Display p-value :,输出,p,值,Store matrix :,保存为,matrix,结果解释:,p,值比留意水准 5%小，,故驳回归属假设，,即各变量之间有关系,GRADES.MTW,Minitab,Correlation(,相关分析,),29,(#),公分散为像相关分析似的表示两个变量间关系的统计量,- Verbal,与 Math 的标本公分散为 1333.9704,- Verbal与 GPA 的标本公分散为 13.6995,- GPA与 Math 的标本公分散为 7.4790,Minitab,Covariance(,公分散,),GRADES.MTW,30,(#),检定资料的分布形态是否随正态分布的分析法,归属假设,:,数据是随正态分布,对立假设,:,数据是不随正态分布,Variable :,设定需正态性检定的,Col(,变量,),Reference probabilities :,输入概率值,Tests for Normality :,三个方法中选择一种,结果分析:,首先若资料与图象中的,直线一致，可认为按正态分布。,因 P-value为0.022比留意水准小，,故驳回归属假设，即不随正态分布,Cranksh.mtw,Minitab,Normality Test(,正态性检定,),31,(#),32,(#),3.,回归分析,33,(#),为了模型化及调查反应变量与一个以上的独立变量之间关系的分析,Least square regression,:,反应变量为连续性资料时,Regression,:,利用最小乘方法，实施单一回归或多重回归,Stepwise Regression,:,为了找出最合适的说明变量模型,进行追加或删除变量而分析,Best Subsets Regression,:,利用最大,R-square,基准来,分析最大,Subset,回归,Fitted Line Plot,:,用一个预测变量的线型或多次项进行,回归分析,Residual Plot,:,为残差分析的,Plot,作成,Logistic square regression,:,反应变量为范筹型资料时,Binary Logistic Regression,:,利用二项反应变量的回归,分析,(2,个范筹时,),Ordinal Logistic Regression,:,利用顺序型反应变量的,回归分析,(3,个以上范筹时,),Nominal Logistic Regression,:,利用名目型反应变量的,回归分析,(3,个以上范筹时,),Minitab,回归分析基础,34,(#),Minitab,Regression,在两个以上变量的关系上建立数学函数的方法,Response :,选择种属变量,(,结果值,),- Score 2,Predictors :,选择独立变量,(,输入值,),- Score 1,EXH_REGR.MTW,35,(#),Options.,Weight,:,为加重回归指定有加重值的,Col,Fit intercept,:,决定在模型中是否除去绝对项,Display,-,Variance inflation factors,:,以,多重空线型判别,(VIF),影响值，指定,VIF,值输出与否,-,Durbin-Watson statistic,:,指定检定残差自己相关,Durbin-Watson,统计量输出与否,Lack of Fit Tests,-,Pure error,:,指定履行适合性检定时纯误差项的,输出与否,-,Data,subsetting,:,指定把说明变量细分而提供类似,反复效果的算法适用与否,Prediction intervals for new observation,:,推定回归,式后，按说明变量的值推定,y,值,Storage,-,Fits,:,指定是否保存推定的,y,-,Confidence limits,:,指定是否保存推定,y,的信赖水准的,信赖区间,-,SDs,of fits,:,指定是否保存,y,的标准偏差,-,Predicction,limits,:,指定是否保存,y,的预测界限,Minitab,Regression,36,(#),Results.,在 Session 窗不显示任何结果时,显示基本的回归分析结果时,显示基础统计量时,显示追加统计量时,Graphs.,Residuals for Plots,:,残差图象中显示的残差种类选择,-,Regular,:,在资料的原来测度内利用残差时,-,Standardized,:,利用标准残差时,-,Deleted,:,利用,Studentized,残差时,Residual Plots,-,Histogram of residual,:,画残差的,Histogram,时,-,Normal plot of residual,:,画,残差的正态概率图时,-,Residuals versus fits,:,想看残差的适合性时,-,Residuals versus order,:,关于残差对比资料的顺序,-,Residuals versus the variables,:,残差与变量之间的关系,Minitab,Regression,37,(#),Minitab,Regression,分析结果,回归方程式为,SCORE2=1.12+0.218SCORE1,P值比留意水准小，故驳回归属,假设。即两个变量的回归系数,不是 0。,对资料的说明程度(决定系数)为,95.7%，因第 9个数据是非正常,数据，故需要进一步观察。,新数据的信赖区间为,(2.7614, 3.0439), 预测区间为,(2.5697, 3.2356)。,38,(#),Minitab,Stepwise,说明变量数量多时，添加或减少变量而选别适当的变量集合为目的,所有可能的回归,:,当有,k,个变量时，调查从一个也不包含的模型至包含,k,个的,所有模型,前进选择法,:,在影响反应变量的,k,个说明变量中选择最大影响的变量，,并判断为再无其它重要变量时,停止变量的选择,后进选择法,:,在影响反应变量的,k,个说明变量中除去影响小的变量，,并判断为再无可除变量时，停止变量的除去,阶段别回归方法,:,在前进选择法里加后进选择法的方法,39,(#),Minitab,Stepwise,Response:,输入反应变量,(Pulse2),Predictors:,输入说明变量,(Pulse1 Ran-Weight),Predictors to include in every model:,指定先包含的变量,选择,Forward selection,后指定留意水准,留意水准,:,把预测变量追加到回归模型的基准,(p,值小于留意水准时追加,),PULSE.MTW,40,(#),Minitab,Stepwise,显示进入模型的预测变量的最佳程度,(,若是,2,，,则显示,2,个预测变量,),输入要进行几次操作,回归模型里要追加常数项时,Stepwise Regression: Pulse2 versus Pulse1, Ran, Weight,Forward selection. Alpha-to-Enter: 0.1,Response is Pulse2 on 3 predictors, with N = 92,Step 1 2 3,Constant 10.28 44.48 70.85,Pulse1 0.957 0.912 0.851,T-Value 7.42 9.74 9.27,P-Value 0.000 0.000 0.000,Ran -19.1 -20.6,T-Value -9.05 -9.93,P-Value 0.000 0.000,Weight -0.134,T-Value -3.08,P-Value 0.003,S 13.5 9.82 9.39,R-Sq 37.97 67.71 70.85,R-Sq(adj) 37.28 66.98 69.85,C-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 0.108,41,(#),Minitab,Best Subsets,在分析者所希望的说明变量中找出最佳模型的分析,Response:,指定反应变量,Free predictors:,指定在模型里包含可能性的,变量,Predictors in all models:,指定必须包含在模型,中的变量,包含在模型的至少变量数和最大变量数,在说明变量数为相同的组合中，指定,最高说明结果的几个输出与否,EXH_REGR.MTW,42,(#),结果解释,在模型选择上有根据的统计量,(R-square, adj-R, Cp),Vars,:,包含在各模型的说明变量数。,以下是如前所定的5个说明变量中包含,2个至4个的模型中按R-square高顺序,所表示的。,另在包含2个、3个、4个说明变量的模型,中，每各变量个数输出3个。,Minitab,Best Subsets,43,(#),履行单一回归步骤,绘出回归图,在线型回归及多项回归中有用的方法,即一个变量对应一个反应值时。,Options.,Response:,指定反应变量,Predictor:,指定说明变量,(,仅一个,),Type of Regression Model:,指定回归,Model (1,2,3,次方程式,),Transformations:,反应变量与说明,变量取,10,为底的,Log,Display Option:,表示信赖区间及,预测区间,Minitab,Fitted Line Plot,44,(#),Minitab,Fitted Line Plot,结果解释,显示2次项模型比直线模型更为适合,45,(#),残差,plot,是为回归分析诊断而使用,回归分析时,若保存了残差和推定值,(Fits),则利用,Residual Plot,步骤绘出残差图形。,进行残差分析之前应先保存残差和适合值,Stat Regression Storage :,把,Fits,与,Residual check,Residuals :,指定残差,Fits :,指定反应变量的推定值,Minitab,Residual Plots,46,(#),Minitab,Residual Plots,显示为检查残差是否近似于正态分布的正态概率图，,接近直线时为良好。,用类似于正态概率图的用途显示全面的残差,形态的图象，正态分布形态时为良好,残差对适合值的图象是显示越小的预测值,更为适合,47,(#),当反应变量不是连续性的二分型,(0,1),资料时的回归分析,Response:,指定反应变量,Frequency:,输入频率数,存在成功与试行次数,成功与失败,失败,与试行次数形态的反应变量时，各自输入,。,Model:,指定说明变量,Factors:,在说明变量中指定离散型变量,Graph.,指定为回归模型诊断的各种图象,EXH_REGR.MTW,Minitab,Binary Logistic Regression,48,(#),Results.,通过图象诊断过程中显示不适合模型的值有2个。,在图象上按鼠标右键则出现,Play,菜单，并通过,Brush,确认是第31号值与第66号值,Minitab,Binary Logistic Regression,49,(#),Binary Logistic Regression,Link Function: Logit,Response Information,Variable Value Count,RestingP Low 70 (Event),High 22,Total 92,Factor Information,Factor Levels Values,Smokes 2 No Yes,Logistic Regression Table,Odds 95% CI,Predictor Coef StDev Z P Ratio Lower Upper,Constant -1.987 1.679 -1.18 0.237,Smokes,Yes -1.1930 0.5530 -2.16 0.031 0.30 0.10 0.90,Weight 0.02502 0.01226 2.04 0.041 1.03 1.00 1.05,Log-Likelihood = -46.820,Test that all slopes are zero: G = 7.574, DF = 2, P-Value = 0.023,Goodness-of-Fit Tests,Method Chi-Square DF P,Pearson 40.848 47 0.724,Deviance 51.201 47 0.312,Hosmer-Lemeshow 4.745 8 0.784,Brown:,General Alternative 0.905 2 0.636,Symmetric Alternative 0.463 1 0.496,Table of Observed and Expected Frequencies:,(See Hosmer-Lemeshow Test for the Pearson Chi-Square Statistic),Group,Value 1 2 3 4 5 6 7 8 9 10 Total,Low,Obs 4 6 6 8 8 6 8 12 10 2 70,Exp 4.4 6.4 6.3 6.6 6.9 7.2 8.3 12.9 9.1 1.9,High,Obs 5 4 3 1 1 3 2 3 0 0 22,Exp 4.6 3.6 2.7 2.4 2.1 1.8 1.7 2.1 0.9 0.1,Total 9 10 9 9 9 9 10 15 10 2 92,Measures of Association:,(Between the Response Variable and Predicted Probabilities),Pairs Number Percent Summary Measures,Concordant 1045 67.9% Somers D 0.38,Discordant 461 29.9% Goodman-Kruskal Gamma 0.39,Ties 34 2.2% Kendalls Tau-a 0.14,Total 1540 100.0%,结果解释,在,Logistic,回归,Table,中,Smoke,与,Weight,在留意水准 5%,以内有意义。,并且 p值为 0.023，故判断为至少,一个不是0。,实施适合度判定，如有p值小于,0.05则适合为不恰当的，,但在此显示适合。,在,Measures of Association,上,Pairs,部分是一致的结果，,Summary Measures,表示预测力的,尺度。,(越接近1为越好的预测力),Minitab,Binary Logistic Regression,50,(#),