在我們的免費在線課程中了解更多信息：
解決工業問題的統計思維
在本視頻中，我們再次使用清潔數據來擬合回歸模型移動和ID使用 X 擬合 Y。 我們將討論所提供的統計輸出，並將了解如何使用我們的回歸方程進行預測。
我們將再次使用移動作為 Y，響應和ID作為 X，因素。
我們將從紅色三角形中選擇擬合線來擬合回歸模型。
在之前的視頻中，我們進行了殘差分析並驗證了我們的模型假設沒有被違反。
現在，讓我們看一下默認的統計輸出。
擬合摘要表中報告了模型擬合的匯總統計數據，包括均方根誤差和 R 方。 我們的均方根誤差為 1.7，RSquare 為 0.64。
因此， ID解釋了 64% 的變化移動.
方差分析表中報告了模型顯著性的總體檢驗結果。 p 值非常小，因此我們可以得出模型顯著的結論。
正如我們之前看到的，擬合線性模型是在線性擬合下報告的。
該模型的估計截距和斜率係數在估計下的參數估計表中報告。
我們可能有興趣使用該模型來預測平均值移動對於不同的值ID . 正如我們所見，我們可以簡單地插入一個值ID進入方程來計算預測移動.
還有許多方法可以直接在 JMP 中進行預測。
我們可以從線性擬合的紅色小三角中選擇保存預測，將模型的公式保存到數據表中。
這計算了我們所有觀察的預測去除。 我們可以添加一個新行，並輸入一個值ID , JMP 將預測該值的平均去除率。
請記住，只有在用於構建模型的範圍內輸入預測值才有意義。 如果我們推斷超出預測變量值的範圍，模型可能無法很好地預測。
讓我們回到分析窗口。
如果我們只對近似平均值感興趣移動, 我們可以使用工具欄中的十字準線工具。 當我們點擊這條線時，十字準線工具將顯示給定值的預測移除ID .
我們還可以在雙變量擬合圖上顯示兩種類型的區間：置信區間和預測區間。
線性擬合的置信曲線擬合選項顯示置信帶。 這些條帶代表平均值的置信區間移動對於給定的值ID .
例如，均值的置信區間移動對於零件ID 10 大約是 10.5 到 11.5 個單位。
Confidence Curves Indiv (Individual) 選項顯示預測帶。 這些條帶代表各個值的預測區間移動對於給定值ID .
例如，具有ID 10 大約是 7.5 到 14.5。
