使用单预测变量回归这一节显示如何构建由一个预测变量和一个响应变量组成的简单回归模型。多重回归使用两个或多个预测变量预测平均响应变量。
本示例使用 Candy Bars.jmp 数据表，表中包含糖果条的营养信息。
|
•
|
|
•
|
|
•
|
使用多重回归可以通过三个预测变量预测平均响应变量。
|
1.
|
|
2.
|
|
3.
|
|
4.
|
|
5.
|
点击确定。
|
继续使用 Candy Bars.jmp 样本数据表。
|
1.
|
|
2.
|
|
3.
|
|
4.
|
在“重点”旁边，选择效应筛选。
|
|
5.
|
点击运行。
|
|
•
|
|
•
|
“预测值-实际值”图显示预测卡路里与实际卡路里的关系图。随着预测值逐渐接近实际值，散点图中的点逐渐落在红色线附近。请参见“预测值-实际值”图。因为各点非常接近该线，您可以看到模型根据所选的因子预测卡路里的效果很好。
模型准确度的另一个测度是 R 方值（显示在“预测值-实际值”图中图形的下方）。R 方值测量该模型中解释的卡路里变异性的百分比。值越接近 1 表示模型预测效果越好。在该示例中，R 方值为 0.99。
|
•
|
使用“预测刻画器”可以查看因子的变化如何影响预测值。刻画线显示随因子变化卡路里的变化量。代表总脂肪 (g) 的线条最陡，表示总脂肪变化对卡路里的影响最大。
