Daftar Isi:
- Mengapa Kami Menggunakan Analisis Regresi
- Ikuti Bersama Tutorial Ini
- Tambahkan Data ke Minitab
- Siapkan Plot Sebar Dengan Regresi
- Siapkan Model Regresi Fit
- Plot Tersebar, Plot Sisa, dan Data Output Regresi
- Referensi
- Artikel Terkait
“Pada Tuhan kami percaya. Semua yang lain harus membawa data. ” —W. Edward Deming. Garis di atas mewakili garis regresi.
Dibuat oleh Joshua Crowder
Mengapa Kami Menggunakan Analisis Regresi
Saat Anda melihat grafik plot sebar yang dibuat dengan memplot titik-titik dari dua sumbu berbeda, Anda akan menemukan bahwa variabel-variabel tersebut berhubungan terbalik, terkait langsung, atau tidak menunjukkan hubungan sama sekali.
- Terkait Langsung: Jika garis yang Anda gambar untuk memperkirakan regresi tampaknya bergerak dari kiri ke sudut kanan atas plot pencar, data dikatakan terkait langsung.
- Terkait Terbalik: Data terkait secara terbalik jika berpindah dari kiri ke sudut kanan bawah.
- Tidak Ada Hubungan: Ketika plot data tersebar merata tanpa arah yang jelas, tidak ada hubungan.
Ikuti Bersama Tutorial Ini
Sangat menyenangkan untuk melihat sekilas plot pencar, tetapi hubungan antar variabel dapat ditentukan dengan lebih akurat melalui analisis regresi. Dalam tutorial ini, plot tersebar dengan garis regresi akan dibuat. Untuk mengikuti pelajaran ini, unduh file Minitab ini. Selain itu, jika Anda tidak memiliki Minitab versi terbaru, Anda dapat mengunduh uji coba gratis untuk versi baru di sini.
Menyelesaikan regresi dengan tangan bisa sangat membosankan. Untungnya, kami memiliki perangkat lunak seperti Minitab dan Microsoft Excel untuk menghitung masalah yang terkait dengan regresi.
Tambahkan Data ke Minitab
Untuk menambahkan data ke Minitab, data harus dimasukkan atau ditempelkan ke dalam program dari spreadsheet. Data harus dalam bentuk X dan Y secara terpisah untuk melengkapi analisis.
Satu-satunya data variabel yang digunakan untuk grafik plot tersebar atau analisis regresi adalah variabel dependen dan independen X dan Y.
Dibuat oleh Joshua Crowder
Siapkan Plot Sebar Dengan Regresi
Grafik pertama yang perlu kita tampilkan untuk analisis regresi adalah grafik plot tersebar.
- Untuk mengatur grafik ini, klik Graph kemudian Scatterplot.
- Ketika jendela scatterplot muncul, pilih kotak berlabel "With Regression" dan klik OK.
- Saat plot tersebar dengan jendela regresi muncul, letakkan kursor di baris pertama kotak sumbu Y, lalu klik dua kali variabel Y di sebelah kiri.
- Selanjutnya, klik dua kali pada variabel X dan itu akan mengisi bagian X.
- Nama default akan muncul jika Anda tidak membuat judul, jadi saya akan membuat judul saya sendiri dengan mengklik "Label." Kemudian klik di kotak teks judul dan ketik "Grafik Plot Sebar Mobil Dijual VS. Iklan TV" dan klik OK.
- Klik lagi tombol OK, dan diagram diagram sebar dengan regresi akan muncul.
Klik grafik tab dan pilih Scattered Plot.
Dibuat oleh Joshua Crowder
Pilih Dengan Regresi.
Dibuat oleh Joshua Crowder
Tambahkan variabel.
Dibuat oleh Joshua Crowder
Siapkan Model Regresi Fit
- Untuk menyiapkan grafik regresi tambahan, pertama klik Data, lalu klik Regresi, lalu Regresi, lalu Sesuaikan Model Regresi.
- Sekarang Anda harus menempatkan kursor di bagian "Responses" dan klik pada tajuk mobil yang terjual (variabel Y) di sebelah kiri. Klik di bagian "Prediktor berkelanjutan", lalu klik header Iklan TV (variabel X). Temukan tombol penyimpanan dan klik di atasnya.
- Dari kotak centang, pilih Fits, Standardized residuals, dan Coefficients. Klik Oke.
- Ada satu tugas lagi yang memungkinkan kita menampilkan beberapa grafik sisa. Klik Grafik Regresi dan pilih opsi "Empat dalam satu". Sekarang klik Oke. Kemudian klik OK lagi.
Klik Data, Regresi, Regresi, Model Regresi Sesuaikan.
Dibuat oleh Joshua Crowder
Tambahkan variabel.
Dibuat oleh Joshua Crowder
Plot Tersebar, Plot Sisa, dan Data Output Regresi
Plot sebar menunjukkan kepada kita bahwa jumlah mobil yang terjual berhubungan langsung dengan jumlah iklan TV. Ini dapat dilihat secara jelas tanpa tampilan regresi dalam grafik. Plot sisa secara grafis menampilkan perbedaan antara nilai observasi dari variabel dependen ( y ) dan nilai prediksi (x). Dan terakhir, data keluaran menunjukkan analisis numerik dari varians.
Plot tersebar.
Dibuat oleh Joshua Crowder
Petak sisa.
Dibuat oleh Joshua Crowder
Keluaran regresi.
Dibuat oleh Joshua Crowder
Referensi
Boyer, K. & Verma, R. (2010). Operasi & manajemen rantai pasokan untuk abad ke-21 . Mason, OH: Barat Daya.
Artikel Terkait
Bagaimana Menghitung Kemampuan Proses di Minitab 18
Cara Membuat Diagram P di Minitab 18
Cara Membuat Diagram Pareto di Minitab 18
Cara Membuat Bagan Xbar-R di Minitab
© 2018 Joshua Crowder