逆预测示例

使用“拟合模型”平台的“标准最小二乘法”特质来拟合线性回归模型，然后基于指定的响应水平获取对输入的预测。这称为逆预测。本例考虑一个预测变量。对于多个预测变量，请参见多个预测变量的逆预测示例。

1. 选择帮助 > 样本数据文件夹，然后打开 Fitness.jmp。

2. 选择分析 > 拟合模型。

3. 选择吸氧量并点击 Y。

4. 选择跑步时间，然后点击添加。

5. 点击运行。

将如下所述的十字准线工具放在跑步时间的近似值上，这导致“回归图”中的吸氧量的均值为 50。

6. 选择工具 > 十字准线。

7. 点击预测线，然后拖动十字准线工具以查找吸氧量 = 50 的逆预测。

图 4.50 回归图：作为“跑步时间”函数的“吸氧量” 

从“回归图”中，您估计对大约为 50 的吸氧量值逆预测的跑步时间大约为 9.7。

要获取跑步时间的准确逆预测和置信区间，请继续执行以下步骤：

8. 点击“响应‘吸氧量’”红色小三角并选择估计值 > 逆预测。

按Figure 4.51 所示为吸氧量输入四个值。

9. 点击确定。

图 4.51 完成的“逆预测规格”窗口 

“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。

图 4.52 “逆预测”报表 

导致吸氧量值为 50 的跑步时间预测值为 9.7935。该值接近使用“回归图”找到的跑步时间近似值 9.7。“逆预测”报表还提供了一个图，其中显示吸氧量与跑步时间之间的线性关系以及逆预测置信区间。

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