通过在“估计值”菜单上选择“逆预测”,您可以估计与响应的指定值对应的自变量 X 的值(多重回归模型的逆预测规格)。此外,您可以指定模型中其他解释变量的值(多重回归模型的逆预测规格)。逆预测计算为与指定的响应值对应的 X 的值提供置信限。您可以将响应值指定为响应均值,或只是单个响应。相关示例,请参见“逆预测”示例
在逆预测窗口中,解释变量列表显示在左侧。(相关示例,请参见多重回归模型的逆预测规格。) 每个连续变量最初都设置为其均值。每个名义型或有序型变量都设置为其最低水平(按照值排序)。您必须删除想要预测的变量的值,将其设置为缺失。此外,您还必须指定逆预测中希望固定的其他变量的值(若这些变量值与默认设置值不同)。在窗口右侧的列表中,您可以提供一个或多个关注的响应值。相关示例,请参见在有多个模型效应的情况下预测单个 X 值的示例
在本例中,您拟合的回归模型用于根据跑步时间预测吸氧量。然后您要估计导致指定的吸氧量值的跑步时间值。只有一个 X(即跑步时间),所以您可以先使用“以 X 拟合 Y”平台获取逆预测值的直观近似值。
1.
选择帮助 > 样本数据库,然后打开 Fitness.jmp
2.
选择分析 > 以 X 拟合 Y
3.
选择吸氧量并点击 Y,响应
4.
选择跑步时间并点击 X,因子
5.
点击确定
使用如下所述的十字准线工具近似计算导致吸氧量的均值为 50 的跑步时间值。
7.
选择工具 > 十字准线
8.
点击吸氧量轴上大约 50 的位置,然后拖动光标,使十字准线与预测线相交。
Fitness.jmp 的“二元拟合”显示跑步时间约为 9.77,它给出吸氧量约为 50 的逆预测。
Fitness.jmp 的“二元拟合”
要获取跑步时间的精确预测以及置信区间,请按如下方式使用“拟合模型”启动窗口:
1.
Fitness.jmp 样本数据表中,选择分析 > 拟合模型
2.
选择吸氧量并点击 Y
3.
选择跑步时间,然后点击添加
4.
点击运行
6.
完成的“逆预测规格”窗口所示为吸氧量输入四个值。
7.
点击确定
完成的“逆预测规格”窗口
“逆预测”报表(“逆预测”报表)提供了与每个指定的吸氧量值对应的跑步时间预测值。该报表还显示了相对于获取响应均值,这些跑步时间值的 95% 置信下限和置信上限。
“逆预测”报表
导致吸氧量值为 50 的跑步时间精确预测值为 9.7935。该值接近Fitness.jmp 的“二元拟合”所示的“二元拟合”报表中显示的跑步时间近似值 9.77。 “逆预测”报表还提供了一个图,其中显示吸氧量跑步时间之间的线性关系以及置信区间。
本例预测休息时脉搏为 60 时导致吸氧量为 50 的跑步时间。分别针对男性和女性预测跑步时间
1.
Fitness.jmp 样本数据表中,选择分析 > 拟合模型
2.
选择吸氧量并点击 Y
3.
选择性别跑步时间休息时脉搏,然后选择添加
4.
点击运行
6.
删除跑步时间的值,因为您想要预测该值。
7.
选择性别旁边的全部框,为性别的所有水平估计跑步时间
8.
用 60 替换休息时脉搏的均值。
9.
吸氧量输入值 50,如多重回归模型的逆预测规格所示。
10.
点击确定
多重回归模型的逆预测规格
多重回归模型的“逆预测”报表所示的报表为男性和女性提供了跑步时间的预测值。其中还包含响应均值为 50 的情况下跑步时间值的 95% 置信区间。
多重回归模型的“逆预测”报表
该图显示休息时脉搏为 60 时针对女性和男性的线性拟合。两个置信区间分别显示为红色和蓝色。请注意,两个区间重叠,指示导致吸氧量值为 50 的跑步时间的真实值对于男性和女性来说可能是相同的。