利用 Minitab 的预测分析优化质量控制措施
Minitab统计软件比以往任何时候都更容易进行回归分析：
- 构建，验证和可视化预测模型。
- 验证模型的预测能力。
- 自动分析和模型选择。
- 预测新结果并优化参数。
今天，我们将重点关注预测模型的构建、验证和可视化（请查看第 2 部分，了解验证预测能力、自动化分析和模型选择以及预测新结果和优化参数等更高级的功能！）。
回归有助于回答一系列问题，这些问题几乎在每个行业（即营销，金融，制造，医疗设备，制药，食品科学等）中面临的专业人员，它可以确定哪些投入可以预测回答以及哪些最有影响力。强大的回归模型甚至可以用于计算预期值并预测未来变化的影响。请记住，这些模型并不意味着因果关系，而是关联。
在MINITAB统计软件中构建，验证和可视化预测模型
Minitab的回归可以帮助量化感兴趣的响应的连续和分类预测因子如何使用内置功能轻松地将复杂的术语添加到预测模型，交互和多项式术语中。
考虑食品制造公司的例子。公司的工程师需要确定三种潜在的包装设计和小时内的时间如何影响其产品的保质期（以水分测量）。他们的重点是密封包装后的前72小时。
回归分析通常用于拟合线性模型，仅具有对预测变量的主要影响。在此示例中，该模型将包含每个包装设计的单独截距，但是每个模型都具有相同的斜率。添加多项式术语和相互作用将是一个更强大的分析。
在统计 > 回归 > 回归 > 拟合回归模型中输入响应、连续预测变量和分类预测变量后，模型按钮可以轻松地增加模型的复杂性，以便通过交互作用和多项式项进行更准确的预测。帕累托图显示了模型中这些项的影响，残差图用于检查模型假设。
下面的帕累托效应图是一个简单的图，显示出重要的术语与不重要的术语。如果一个术语的标准化效应越过红线，则p值小于指定的alpha值，在这种情况下为0.05，这使得该术语很显着。条的大小显示了术语在模型中的相对影响：小时和包装设计对于理解该产品中的水分含量至关重要。
水分的预测模型包括小时，小时2，包装设计以及这些术语之间的相互作用。 Minitab通过为三个软件包设计中的每一个显示单独的模型来简化模型。常数的差异和设计之间的斜率是由于显着相互作用所致。
残留图帮助分析人员验证回归的假设。检查是否偏离正常性，不平等的差异或缺乏独立性，以确保分析有效且适当。
一旦所有尽职调查完成，分析师就需要提出调查结果。段落图有助于将数字输出表示为易于读取图，以可视化模型。如果目标是在关键的72小时期间最小化产品中的水分水平，那么设计2是最好的。
回归不是新的 - 但是回归是所有数据分析师都应掌握的极其强大的建模工具。 Minitab使构建和可视化预测模型变得容易且易于访问。
