在我们的免费在线课程中了解更多信息：
解决工业问题的统计思维
在本视频中，我们再次使用清洁数据来拟合回归模型移动和ID使用 X 拟合 Y。 我们将讨论所提供的统计输出，并将了解如何使用我们的回归方程进行预测。
我们将再次使用移动作为 Y，响应和ID作为 X，因素。
我们将从红色三角形中选择拟合线来拟合回归模型。
在之前的视频中，我们进行了残差分析并验证了我们的模型假设没有被违反。
现在，让我们看一下默认的统计输出。
拟合摘要表中报告了模型拟合的汇总统计数据，包括均方根误差和 R 方。 我们的均方根误差为 1.7，RSquare 为 0.64。
因此， ID解释了 64% 的变化移动.
方差分析表中报告了模型显着性的总体检验结果。 p 值非常小，因此我们可以得出模型显着的结论。
正如我们之前看到的，拟合线性模型是在线性拟合下报告的。
该模型的估计截距和斜率系数在估计下的参数估计表中报告。
我们可能有兴趣使用该模型来预测平均值移动对于不同的值ID . 正如我们所见，我们可以简单地插入一个值ID进入方程来计算预测移动.
还有许多方法可以直接在 JMP 中进行预测。
我们可以从线性拟合的红色小三角中选择保存预测，将模型的公式保存到数据表中。
这计算了我们所有观察的预测去除。 我们可以添加一个新行，并输入一个值ID , JMP 将预测该值的平均去除率。
请记住，只有在用于构建模型的范围内输入预测值才有意义。 如果我们推断超出预测变量值的范围，模型可能无法很好地预测。
让我们回到分析窗口。
如果我们只对近似平均值感兴趣移动, 我们可以使用工具栏中的十字准线工具。 当我们点击这条线时，十字准线工具将显示给定值的预测移除ID .
我们还可以在双变量拟合图上显示两种类型的区间：置信区间和预测区间。
线性拟合的置信曲线拟合选项显示置信带。 这些条带代表平均值的置信区间移动对于给定的值ID .
例如，均值的置信区间移动对于零件ID 10 大约是 10.5 到 11.5 个单位。
Confidence Curves Indiv (Individual) 选项显示预测带。 这些条带代表各个值的预测区间移动对于给定值ID .
例如，具有ID 10 大约是 7.5 到 14.5。
