Minitab: 6 sigma 專業軟體 繁體中文討論-34

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!

        先前談到Assistant 助手, 可幫助我們選擇正確工具進行分析, 並告訴我們如何解釋結果. 現在更進一步, 我們可透過Help 協助 > Tutorials 教學課程, 了解常用統計功能的”用途”;”資料”;”操作步驟”,同學可利用minitab所附範例, 熟悉此功能的操作, 至於輸出的解釋, 後面會在Help 協助 > StatGuide 統計指南 中討論.

ANOVA > General Linear Model ANOVA > Uses

用途: 廣義線性模型變異數分析

用法 1： 使用各種資料執行變異數分析

一家飲料製造商正在研發一種新產品，希望知道甜味劑的類型、色彩和精確碳酸含量是否與客戶滿意度顯著相關。 因為公司正在比較不同組的資料（在本例中，為不同的飲料配方），因此單因子變異數分析似乎適用，但單因子變異數分析無法分析這些預測變數。

廣義線性模型 (GLM) 是最靈活的變異數分析形式。 它可以為多個預測變數建模，包含類別變數和連續變數。 此外，GLM 可以包含不同類型的因子、項和設計。

用法 2： 檢定不同組間的平均值和交互作用的相等性

一家真空吸塵器製造廠正考慮轉向使用一種更便宜的發動機，但希望確保這種更便宜的發動機不會對性能產生負面影響。 公司針對各種不同的地毯樣式檢定這兩種真空吸塵器發動機以檢視地毯上殘留了多少灰塵。 這兩種發動機對於不同的地毯類型性能是否相似？

有時，知道確實存在差異就足夠了。 請使用 GLM 尋找多個組之間存在的顯著差異，並瞭解一個因子的效應是否與另一個因子的水準交互。

用法 3： 評估組之間的特定差異

一家建築公司需要找到一種最佳方法以封住不同混凝土部分之間的裂縫。 他們透過對每種密封劑分別應用兩種方法來對這三種密封劑進行檢定。 該公司希望找到一種耐用的密封材料，但又不希望在耐用性方面支付更多的費用。 也許排在第二佳或者甚至是第三佳的密封劑與應用方法的組合才是正確的選擇。

通常，瞭解不同的組具有不同的平平均值並不足夠，您需要進一步研究組與組之間的比較結果。 GLM 可以估計特定組之間的差異，從而進行此類比較。

用法 4： 預測一組新觀測值的反應

一位客戶支援經理檢查其部門的詳細記錄並發現任意一天接聽的來電次數似乎取決於多個因子，如，工作日、月份以及上個月的銷售量。 該經理希望使用這些資訊預測預期的來電次數，以便為每個班次安排適當的接線員人數。

借助 GLM，您可以使用觀測資料來描述多個預測變數與單個反應值之間的關係。 定義此關係定義之後，即可在具有一組新的預測變數值時隨時預測新的反應值。

ANOVA > General Linear Model ANOVA > Data

資料: 用於廣義線性模型變異數分析的資料

廣義線性模型變異數分析的資料要求 

需要什麼類型的資料？

必須具有一個連續反應變數以及一個或多個類別或連續預測變數。 類別預測變數也稱為“因子”，連續預測變數也稱為“協變數”。 範例：

一個鋼強度值及其工廠位置、班次和鋼水溫度值

一個剎車距離預測值及其剎車片類型、汽車型號和輪胎型號

一個每天冰激凌銷售總量及其日期、月份和最高溫度

每次最多可以分析 50 個反應變數、31 個因子以及 50 個協變數。

廣義線性模型 (GLM) 在進行變異數分析時放寬了對資料的要求。 因子既可以是交叉或套疊的，也可以是固定或隨機的。 協變數可以彼此交叉，也可以與因子交叉，或者是套疊在因子內。

我的工作表的外觀如何？

將您的工作表設定為每個反應變數、因子和協變數均對應一欄。 工作表中的每一列代表一個觀測值或對象的量測值。 如果某列包含遺失資料，Minitab 將會從全部計算中排除這一整列。

	C1	C2	C3	C4
	滿意度	甜味劑	容器	溫度_C
1	88	糖	A	12
2	76	玉米糖漿	B	9
3	69	糖	C	16

ANOVA > General Linear Model ANOVA > How To

操作步驟: 在 Minitab 中執行廣義線性模型變異數分析

如何使用 Minitab 執行廣義線性模型變異數分析的描述 

方案

一個社會學家從某大城市的大學裡教夜大課程的教授中隨機選擇了 45 名教授作為樣本。 收集的資料包含：

學科：課程主題： 人文學科 (1)、社會科學 (2)、工程學 (3) 或管理 (4)

學歷：教授的最高學歷： 學士 (1)、碩士 (2) 或博士 (3)

薪金：教授此課程所獲得的收入金額（單位：千美元）。

該社會學家希望得出學歷和學科對薪金所產生的效應。

選擇適當的分析方式

資料是包含兩個因子的不平衡資料，因此該社會學家使用廣義線性模型 (GLM) 製程來分析這些資料。

1.          開啟工作表“教授.MTW”。

2.          選擇統計 > 變異數分析 > 廣義線性模型。

輸入反應變數

輸入一欄反應變數的連續量測值。

1.          在反應中，輸入薪金。

輸入模型項

通常，每個項代表每個變數的一欄資料。 然而，廣義線性模型 (GLM) 的靈活性允許您指定不同類型的項。 範例，您可以包含交互作用項、高次項和套疊項。 這些項要求使用特殊符號，並且不與單欄資料相對應。 在本例中，社會學家使用交互作用項，用“*”表示。

即使需要進一步指定模型，您也必須在此處輸入全部模型項。

1.          在模型中，輸入學科 學歷 學科*學歷。

進一步指定模型

如果模型包含隨機因子項，請將它們輸入到隨機因子中。 如果包含協變數，請點擊協變數並在此處輸入它們。 此模型既不包含隨機因子項，也不包含協變數。

（無需任何操作）

選擇多重比較方法

要估計特定組之間的差異，請選擇一種多重比較方法。 每種方法均使用一種不同的方式。 選擇正確的方法非常重要，因為方法可以改變結果。 通常，您將選擇一種方法；但是，為了更好地描述問題，請選擇多種方法。

1.          點擊比較。

2.          在項中，輸入學科。

3.          在方法下，勾選 Tukey、Bonferroni 和 Sidak。

4.          點擊確定。

將圖表增加到輸出中

透過檢視殘差圖來檢查廣義線性模型假設，這很重要。 這些圖將指明您是否可以信任這些測試結果。 主要效應圖和交互作用圖有助於直觀地表示預測變數與反應值之間的關係。

1.          點擊圖表，然後選擇四合一。

2.          在殘差與變數下，輸入學期。 點擊確定。

3.          點擊因子圖。

4.          在主要效應圖下，輸入學科 學歷。

5.          在交互作用圖下，輸入學科 學歷。

6.          點擊確定。

指定選項

此分析無需進一步修改，但您可以選擇其他選項。 若需要其他的統計量或要對新的觀測值進行預測，請點擊選項。 要修改分析結果的顯示方式，請點擊結果。 要存儲 GLM 統計量，請點擊存儲。

（無需任何操作）

解釋輸出

現在應該做些什麼？ 有關如何解釋此分析結果的指導資訊，請參見 StatGuide。

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.