在我们的免费在线课程中了解更多信息：
工业问题解决的统计思维
在本视频中，我们使用杂质物流示例并拟合响应模型，结果，具有五个主效应，温度通过转移. 我们简化模型，然后使用预测刻画器来更好地理解重要的模型系数。
让我们从选择开始拟合模型在分析菜单。
我们选择结果作为 Y 变量。
然后我们选择温度通过转移作为模型效果。 默认个性是名义物流, 目标类别是失败.
这效果总结表按升序显示模型中的项p -价值。
转移不重要，因此我们将其从模型中删除。 其余的影响是显着的。
回想一下，参数估计值表报告了逻辑模型中项的系数。 为了更好地理解这些系数，我们将使用 Prediction Profiler。
要打开 Prediction Profiler，我们选择探查器从顶部的红色三角形。
分类响应的刻画器显示在每个预测变量的指定值下结果的概率（在最左侧），这些预测变量列在底部。
我们的逻辑模型预测结果为失败. 因此，每个预测变量的曲线斜率表明失败增加或减少。
例如，曲线为温度增加，因此温度增加，保持其他一切不变，概率失败增加。
同样，我们可以探索失败随着我们改变其他预测变量的值而改变。
这有助于我们了解最有可能导致故障的运行条件。
