有學過6
sigma的同學, 一定知道 Minitab這套軟體, 因為它把6 sigma實用化了. 過去 Minitab 並沒有中文版, 但對岸有人將它漢化後, 官方也出簡體中文版, 使用簡體中文版會比英文版更friendly, 但畢竟兩岸語文還是有差異, 尤其專有名詞上的差異更讓人難以適從, 例如常態分配 v.s. 正态分布; 品質 v.s. 质量; 巨集 v.s. 宏; 變異數分析
v.s.方差分析; 進階 v.s. 高级…
官方目前沒有繁體中文版.~可惜! 希望 Minitab TWN公司能早日完成繁體中文版的 Minitab. ~期待!
Minitab R16版新增一項功能—Assistant
助手, 對於軟體新手或統計新手來說, 是個不錯的功能. 透過它可讓您”正確地”使用統計工具, 而不至於不知如何下手.
Assistant 助手 > Graphical Analysis.. 圖表分析...
中文對照
您要評估變數之間的相關性或Y平均值的變化?
首頁
變數之間的相關性
沿著連續尺度繪製個別資料值。調查X和Y變數是否相關。
範例
塑膠太陽眼鏡製造商想要知道塑膠鏡框製程溫度和脆度是否有關係。
Y平均值的變化
繪製X每個水準的平均反應值。調查X水準的變化對Y平均值是否有影響。
範例
塗料工廠想要知道不同硬化劑(A, B,或C)對塗料耐久性的影響。
您有多少個X變數?
首頁>變數之間的相關性
一個連續值X
一個X變數量測零件或製程特性, 例如長度, 重量或溫度。X變數資料可能包含分數(或小數)值。
範例
碎料板製造商想要檢查碎料密度是否可能與板的剛性有關聯。調查員繪製板密度相關剛性的圖表。
兩個或以上連續值Xs
多重X變數量測零件或製程特性, 例如長度, 重量或溫度。X變數資料可能包含分數(或小數)值。
範例
房地產估價師想看看城市公寓的銷售價格如何受其大小, 離市中心距離和附近的居民平均房屋稅影響。估價師繪製這三個X變數相關銷售價格的圖表。
您想要繪製主要效應或交互作用圖?
首頁>Y平均值的變化
主要效應
比較每個X變數水準的Y平均值。表示出橫跨X變數水準的Y平均值如何變化。
範例
大型零售商分析員想要比較每個不同付款方式(現金, 支票, 信用卡)的交易成本。
交互作用
比較每個X變數水準組合的Y平均值。表示出Y平均值如何受到X變數間交互作用而變化。
範例
化學廠想要比較不同肥料和除草劑的農作物產量。他們想要了解肥料和除草劑是否有對農作物產量有關係的交互作用。
您的資料有群組嗎?
首頁>變數之間的相關性>一個連續值X
無資料群組
評估不使用群組的連續值X變數與Y變數之間的關係。
範例
學校系統想要知道每班教師對學生比率是否與學生測試分數有關。
有資料群組
評估資料中連續值X變數的每個群組(類別X)與Y變數之間各自的關係。
範例
醫院管理者想要調查病人身體質量指數(BMI)是否與在醫院裡停留時間有關聯。他們想要對男性和女性單獨地評估此關係。
您的資料有群組嗎?
首頁>變數之間的相關性>兩個或以上連續值Xs
無資料群組
評估不使用群組的數個連續值X變數與Y變數之間的關係。
範例
在大城市公共運輸系統分析員想要評估室外溫度, 里程數, 和油價與載客率可能的關聯。
有資料群組
評估資料中數個連續值X變數的每個群組(類別X)與Y變數之間各自的關係。
範例
紙廠工程師想要評估紙漿受壓溫度, 紙漿密度, 和紙張完成撕裂強度之間的關係。他們想要單獨地對兩種不同類型紙張評估這些關係。
您想要顯示簡單或進階的交互作用圖?
首頁>Y平均值的變化>交互作用
簡單
每次只顯示2個X變數和簡單說明。表示出X變數水準的變化對另一個X變數的影響程度。
範例
市場分析員想要了解客戶給直接發信者的回覆率如何受信封類型(優惠廣告或非優惠廣告)和折扣優惠(是或否)和兩個X變數是否有交互作用影響。
進階
每次顯示2~4個X變數和更深入說明。表示出每個X變數水準組合效果的相對強度。
範例
信用卡公司想要知道平均每月結額如何受以下變數水準組合而變化: 卡的類型(標準, 尊榮),區域(1, 2), 以及消費者收入水準(低, 中,高)。
散佈圖
首頁>變數之間的相關性>一個連續值X>無資料群組
散佈圖顯示連續值X和連續值變數Y之間的關係。
指引
收集資料
l
收集中等到大資料樣本。
n
雖然沒有正式指引要求散佈圖資料總量, 但較多樣本可更清楚指出資料模式。當有大約40個或更多資料點, 有適配迴歸線的散佈圖最有效果。如果資料點少於40個, 適配迴歸線可能不是那麼精確。
l
依收集順序紀錄資料。
n
一般而言, 依收集順序紀錄資料在工作表是好的習慣。如此可評估資料與時間相關模式。
使用圖表
l
檢驗圖上Y和X之間的關係。
n
查看資料點相關性模式。例如, Y變數對X變數趨勢為上升或下降? 繪製迴歸線可讓您更加容易看出Y和X之間的關係。
l
檢驗迴歸方程和模型適配。
n
若要檢視迴歸方程和模型適配, 請將游標放在迴歸線。方程式顯示Y和X變數之間的關係: X變數中每增加一個單位, 預期Y變數平均變動多少。R-Squared是以迴歸模型的解釋Y變數的百分比。一般情況下, R-Squared值越高表示模型適配資料越好。
l
如果曲線的資料並不適配此線, 嘗試較高階導數模型。
n
如果因為資料點不是大約落在橫越圖表中的直線, 迴歸線不是很好地適配資料, 確定是否有高階導數模型, 如二次或立方模型, 可能會更好地適配資料。二次和立方模型使用平方(X2)和立方(X3)項, 分別地,更有效顯示曲線的建模資料。要嘗試一種高階導數模型, 請雙擊迴歸線, 再點擊選項列, 選擇的二次或立方模型。
散佈圖(群組)
首頁>變數之間的相關性>一個連續值X>有資料群組
有群組散佈圖顯示每一群組內(類別X)連續值X和連續值變數Y之間的關係。
指引
收集資料
l
收集中等到大資料樣本。
n
雖然沒有正式指引要求散佈圖資料總量, 但較多樣本可更清楚指出資料模式。當有大約40個或更多資料點, 有適配迴歸線的散佈圖最有效果。如果資料點少於40個, 適配迴歸線可能不是那麼精確。
l
依收集順序紀錄資料。
n
一般而言, 依收集順序紀錄資料在工作表是好的習慣。如此可評估資料與時間相關模式。
使用圖表
l
檢驗每一個圖上Y和X之間的關係。
n
查看資料點相關性模式。例如, Y變數對X變數趨勢為上升或下降? Y變數趨向散佈(顯示更多變異)於X某一個水準? 繪製迴歸線可讓您更加容易看出Y和X之間的關係。
l
檢驗迴歸方程和模型適配。
n
若要檢視迴歸方程和模型適配, 請將游標放在迴歸線。方程式顯示Y和X變數之間的關係: X變數中每增加一個單位, 預期Y變數平均變動多少。R-Squared是以迴歸模型的解釋Y變數的百分比。一般情況下, R-Squared值越高表示模型適配資料越好。
l
如果曲線的資料並不適配此線, 嘗試較高階導數模型。
n
如果因為資料點不是大約落在橫越圖表中的直線, 迴歸線不是很好地適配資料, 確定是否有高階導數模型, 如二次或立方模型, 可能會更好地適配資料。二次和立方模型使用平方(X2)和立方(X3)項, 分別地,更有效顯示曲線的建模資料。要嘗試一種高階導數模型, 請雙擊迴歸線, 再點擊選項列, 選擇的二次或立方模型。
l
要比較群組, 交疊散佈圖或並排顯示。
n
您可以分別顯示每一資料群組的散佈圖。要定義群組, 輸入類別X值在一欄。您可以並排顯示每一群組的散佈圖或顯示在同一個圖上(交疊)。這些組塊可讓您比較兩個或更多階段的製程。交疊圖則可讓您直接比較在不同類別X值的X-Y關係。如果類別X僅有少量數值, 建立單個交疊圖表圖允許您做更多的比較。
散佈圖矩陣
首頁>變數之間的相關性>兩個或以上連續值Xs>無資料群組
散佈圖矩陣顯示每一成對連續值X和連續值變數Y之間的關係。
指引
收集資料
l
收集中等到大資料樣本。
n
雖然沒有正式指引要求散佈圖資料總量, 但較多樣本可更清楚指出資料模式。當有大約40個或更多資料點, 有適配迴歸線的散佈圖最有效果。如果資料點少於40個, 適配迴歸線可能不是那麼精確。
l
依收集順序紀錄資料。
n
一般而言, 依收集順序紀錄資料在工作表是好的習慣。如此可評估資料與時間相關模式。
l
您可以輸入多重X變數。
n
對於每個X變數, Minitab顯示散佈圖在單獨的組塊。X變數列在水平尺度, Y變數列在垂直尺度。
使用圖表
l
檢驗每一個圖上Y和X之間的關係。
n
查看資料點相關性模式。例如, Y變數對X變數趨勢為上升或下降? Y變數趨向散佈(顯示更多變異)於X某一個水準? 繪製迴歸線可讓您更加容易看出Y和X之間的關係。
l
檢驗迴歸方程和模型適配。
n
若要檢視迴歸方程和模型適配, 請將游標放在迴歸線。方程式顯示Y和X變數之間的關係: X變數中每增加一個單位, 預期Y變數平均變動多少。R-Squared是以迴歸模型的解釋Y變數的百分比。一般情況下, R-Squared值越高表示模型適配資料越好。
l
如果曲線的資料並不適配此線, 嘗試較高階導數模型。
n
如果因為資料點不是大約落在橫越圖表中的直線, 迴歸線不是很好地適配資料, 確定是否有高階導數模型, 如二次或立方模型, 可能會更好地適配資料。二次和立方模型使用平方(X2)和立方(X3)項, 分別地,更有效顯示曲線的建模資料。要嘗試一種高階導數模型, 請雙擊迴歸線, 再點擊選項列, 選擇的二次或立方模型。
散佈圖矩陣(群組)
首頁>變數之間的相關性>兩個或以上連續值Xs>有資料群組
有群組散佈圖矩陣顯示每一群組內(類別X)每一成對連續值X和連續值變數Y之間的關係。
指引
收集資料
l
收集中等到大資料樣本。
n
雖然沒有正式指引要求散佈圖資料總量, 但較多樣本可更清楚指出資料模式。當有大約40個或更多資料點, 有適配迴歸線的散佈圖最有效果。如果資料點少於40個, 適配迴歸線可能不是那麼精確。
l
依收集順序紀錄資料。
n
一般而言, 依收集順序紀錄資料在工作表是好的習慣。如此可評估資料與時間相關模式。
l
您可以輸入多重X變數。
n
對於每個X變數, Minitab顯示散佈圖在單獨的組塊。X變數列在水平尺度, Y變數列在垂直尺度。
使用圖表
l
檢驗每一個圖上Y和X之間的關係。
n
查看資料點相關性模式。例如, Y變數對X變數趨勢為上升或下降? Y變數趨向散佈(顯示更多變異)於X某一個水準? 繪製迴歸線可讓您更加容易看出Y和X之間的關係。
l
檢驗迴歸方程和模型適配。
n
若要檢視迴歸方程和模型適配, 請將游標放在迴歸線。方程式顯示Y和X變數之間的關係: X變數中每增加一個單位, 預期Y變數平均變動多少。R-Squared是以迴歸模型的解釋Y變數的百分比。一般情況下, R-Squared值越高表示模型適配資料越好。
l
如果曲線的資料並不適配此線, 嘗試較高階導數模型。
n
如果因為資料點不是大約落在橫越圖表中的直線, 迴歸線不是很好地適配資料, 確定是否有高階導數模型, 如二次或立方模型, 可能會更好地適配資料。二次和立方模型使用平方(X2)和立方(X3)項, 分別地,更有效顯示曲線的建模資料。要嘗試一種高階導數模型, 請雙擊迴歸線, 再點擊選項列, 選擇的二次或立方模型。
主要效應圖
首頁>Y平均值的變化>主要效應
主要效應圖檢驗一個或多個因子的水準的平均值之間的差異。
指引
收集資料
l
收集中等到大資料樣本。
n
主要效應圖顯示個X變數每個水準的反應(Y)平均值。如果樣本過小, 平均值精度可能不足及一兩個異常資料點就可能有高度影響。
l
每個X變數必須有固定水準。
n
對於主要效應圖, X變數應該具有固定水準集, 例如溫度設定為"低", "中"和"高",
或10°, 20°和30°。每一個X變數稱為一個因子, 因子不同水準通常為產生製程輸出改變的製程輸入。如果X變數為連續型資料且您想要評估Y反應循著連續值, 而非固定水準, 請考慮使用散佈圖來替代。
使用圖表
l
要並排顯示圖表, 輸入多重X變數。
n
Minitab顯示每個X變數的主要效應圖和顯示在相鄰組塊。如果您輸入太多X變數, 並排圖表會顯得過小而難以評估。如果發生這種狀況, 您可以分離顯示每個X變數的主要效應圖。
l
圖上直觀地比較平均數。
n
主要效應圖以線段連接每個因子水準的反應平均值。此線段協助您比較住要效應。如果最高與最低點差異很小, 效應可能不具實質價值。
n
如果您從圖上察看出主要效應, 您應該進一步評估確認效應是否有意義或具有統計顯著性。使用交互作用圖檢視因子間的交互作用。
l
使用Y尺度決定主要效應量值。
n
連接主要效應線段的陡度受Y尺度影響。如果Y尺度增量表現小單位，線段可能出現陡峭，但實際效應可能沒有實質價值。如果Y尺度增量表現大單位，線段可能有緩坡而實際上表示很大的差異。因此，請確保也察看Y尺度，以確定主要效應量值。
交互作用圖
首頁>Y平均值的變化>交互作用>簡單
交互作用圖顯示某因子平均值在另一因子每個水準的不同程度。
指引
收集資料
l
收集中等到大資料樣本。
n
交互作用圖顯示兩個X變數各種水準組合的反應(Y)平均值。如果樣本過小, 平均值精度可能不足及一兩個異常資料點就可能有高度影響。
l
每個X變數必須有固定水準。
n
對於交互作用圖, X變數應該具有固定水準集, 例如溫度設定為"低", "中"和"高",
或10°, 20°和30°。每一個X變數稱為一個因子, 因子不同水準通常為產生製程輸出改變的製程輸入。如果X變數為連續型資料且您想要評估Y反應循著連續值, 而非固定水準, 請考慮使用散佈圖來替代。
l
當X變數僅有少量水準, 此時交互作用圖最有效果。
n
交互作用圖顯示兩個X變數各種水準組合的平均值。如果X變數其中一個或兩個都有太多水準,圖上交互作用可能變得太複雜而難以評估。運用您對製程的理解去減少X變數水準數量是最重要的事。
l
如果某個X變數有較多的水準, 或水準遵循自然序, 請輸入成X1變數。
n
為了更清楚地評估交互作用, 輸入有最多水準的X變數為X1變數。
n
如果X變數水準遵循自然序, 以X1變數使用它。這會讓您可以查看該變數的水準和相應的平均值沿水平(X)尺度安排為自然序, 協助您以更清楚地解釋相互作用。
使用圖表
l
平行線指出無交互作用。
n
如果線段平行, 或接近平行, 表示沒有交互作用。X1主要效應對於X2所有水準皆相同。如果線段不平行, 表示有交互作用。X1主要效應對於X2一個或多個水準是有差異的。如果在圖中察看出交互作用, 您應該進一步評估確認它們是否有意義或具有統計顯著性。
多重變數圖表
首頁>Y平均值的變化>交互作用>進階
多重變數圖表顯示2~4個X變數主要效應與交互作用的相關強度。
指引
收集資料
l
收集中等到大資料樣本。
n
多重變數圖表顯示1~4個X變數(因子)各種水準組合的反應(Y)平均值。如果樣本過小, 平均值精度可能不足及一兩個異常資料點就可能有高度影響。
l
每個X變數必須有固定水準。
n
對於多重變數圖表, X變數應該具有固定水準集, 例如溫度設定為"低", "中"和"高",
或10°, 20°和30°。每一個X變數稱為一個因子, 因子不同水準通常為產生製程輸出改變的製程輸入。如果X變數為連續型資料且您想要評估Y反應循著連續值, 而非固定水準, 請考慮使用散佈圖來替代。
l
當每個X變數僅有少量水準, 此時多重變數圖表最有效果。
n
多重變數圖表顯示兩個X變數各種水準組合的平均值。如果X變數其中一個或兩個都有太多水準,圖上交互作用可能變得太複雜而難以評估。運用您對製程的理解去減少X變數水準數量是最重要的事。
l
您必須至少有變數所有可能組合40%的資料。
n
如果類別X組合有60%或以上沒有資料, Minitab無法顯示多重變數圖表。例如: 假設X1有兩水準, X2有三水準, X變數就有六種可能組合。如果這些組合中三組或更多組有資料, Minitab可顯示圖表。然而, 如果僅有兩組組合資料(所有組合的33.3%), Minitab不會顯示圖表。
使用圖表
l
您輸入X變數的順序影響顯示。
n
您可能想要嘗試不同的順序找出資料最佳的顯示。對話方塊中顯示圖形的預覽, 以便您可以看到X變數的順序如何影響結果。
n
例如, 如果一個類別X變數有更多的類別或遵循自然順序的類別, 您可能想要輸入為X1變數。這可能允許您查看沿水平(X)尺度排列自然順序的變數水準和相應平均值。如果你輸入類別X變數有許多類別分別為X2, X3或X4變數, 圖表可能會顯示太多線段和組塊, 而您可能無法清楚地評估結果。
l
評估圖表的主要效應和交互作用。
n
此圖表以線段連接類別X值每個組合(因子水準)的反應平均值。如果線段在類別X所有值間幾乎顯現為水平線, 表示沒有主要效應(因子水準的變化對製程輸出不會產生很大效應)。最高點和最低點間的差異增加, 主要效應的陡度也會增加。連接主要效應線段的陡度受Y尺度影響。如果Y尺度增量表現小單位，線段可能出現陡峭，但實際效應可能沒有實質價值。如果Y尺度增量表現大單位，線段可能有緩坡而實際上表示很大的差異。因此，請確保也察看Y尺度，以確定主要效應量值。
n
若要評估交互作用, 比較某個組塊中的點連接線段與其它組塊的點連接線段。這些線段差異越大, 越多證據說明存在交互作用。如果您有2類別X變數(因子), 此圖類似於交互作用圖, 你可視為雙因子交互作用。3類別X變數, 您可視為雙因子和三因子交互作用。4類別X變數, 您可視為四因子相互作用, 儘管這些都是難以識別或理解。
n
如果在圖表中偵測出交互作用或主要效應, 您應該進一步評估確定它們是否有意義或具有統計顯著性。
詳細資訊請到官方網站進一步了解: http://www.minitab.com.tw/
和 http://www.minitab.com/
聲明: 本文純粹學術性研討, 內容所提及任何關於 Minitab 專有創作文字, 圖像與架構…等皆屬Minitab Inc. 版權所有, 嚴禁商業上轉貼使用.
沒有留言:
張貼留言