拟合线性模型 > 模型规格 > 使用“拟合模型”的回归分析示例
发布日期: 11/15/2021

使用“拟合模型”的回归分析示例

您的数据源自一项有氧健身研究,您想要从若干连续变量中预测吸氧量。

1. 选择帮助 > 样本数据库,然后打开 Fitness.jmp

2. 选择分析 > 拟合模型。请注意,“特质”框为空。

3. 选择吸氧量并点击 Y

指定连续响应时,“特质”默认设置为“标准最小二乘法”,但您可以自由选择其他特质。此外,“重点”默认设置为“效应杠杆率”。

4. 按 Ctrl 键,然后选择性别年龄体重跑步时间跑步时脉搏休息时脉搏最大脉搏。点击添加将这些变量添加到“构造模型效应”列表。请注意,若想要让该窗口之后可用,您可以选择保持对话框打开。您的“模型规格”窗口应如图 2.1 所示。

5. 点击运行图 2.2 给出了报表的部分视图。

图 2.1 健身回归模型的“模型规格”窗口 

Equation shown here

图 2.2 健身数据的“标准最小二乘法”报表的部分视图 

Image shown here

整体模型的图和报表显示在最左侧的报表列中。右侧列显示您在模型中指定的每个效应的杠杆图。受空间所限,图 2.2 仅显示了“性别”对应的列,但报表中还显示了其他六个效应对应的列。红色小三角菜单包含其他选项,可用于将报表和图添加至报表窗口。有关“标准最小二乘法”报表窗口的详细信息,请参见“拟合最小二乘法”报表

检查“参数估计值”报表中的 p 值,您可以看到跑步时间跑步时脉搏最大脉搏似乎是对吸氧量贡献显著的预测变量。下一步可以通过删除不显著的预测变量来简化模型。请参见逐步回归模型

需要更多信息?有问题?从 JMP 用户社区得到解答 (community.jmp.com).