【质量工具运用】—逻辑回归分析-质量工具运用-QPDCA质量论坛

safetybright

发表于 2013-4-28 10:50:22 | 显示全部楼层 |阅读模式

马上注册，结交更多好友，享用更多功能，让你轻松玩转质量管理社区。

您需要登录才可以下载或查看，没有账号？立即注册

×

对于Y=计数型的因子验证，很多人习惯将X也取计数型然后用P检验或者2P检验。然后对验证后的主要因子进行实验设计，设置最佳参数。如下图。其实如果将X取计量型或者转换为计量型，用逻辑回归分析既可以验证因子也可以得出最佳参数。图片1.png

逻辑回归分析（对数回归分析或Logistic回归分析）：对于“Y”取值只有“是”或“否”两类，以及受到多个自变量影响的离散变量，就可以选择采用二进制逻辑回归分析。罗辑回归的好处在于它可以将计量型计数型自变量同时进行分析。下面结合案例讲解。
图片2.png

图中因变量y1=划伤，此时收集的数据要么有划伤，要么没有划伤。自变量既有计数型又有计量型，选择用二进制的逻辑回归分析在合适不过了。（当然故意将自变量取计数型数据用P检验也行）
图片3.png

要保证分析结果准确性，当然数据的收集很关键。最好能保证数据的连续性，如果时间允许的话取2-3周的数据。最好使用现行数据，实在不行可以利用历史数据。

数据分析软件有两种一种是SPSS，一种是MINITAB两者分析的结果是一样的，但是对数据收集的方式略有不同。就以MINITAB为例吧，可以使用“响应/频率”方式也可以使用“事件/试验”方式。（需要注意的是，实际操作的步骤是按我上面讲的，先收集数据后分析，但是前期的思路恰好相反，先确定使用什么软件分析，然后确定数据收集的方式。如果看不懂这篇文章试着倒过来看一遍或许就明白了）左图：事件数是指缺陷数，试验数是指收集数量或者是实验数量，模型是指所有自变量，因子是指计数型自变量（没有计数型数据就不用选，如有疑问可以跟帖讨论）。
图片4.png

分析后会出现左图的内容。分别是对回归方程的拟合度检验和对自变量的验证。拟合度检验一般有两种方法的P值＞0.05，就可以认为拟合是满意的。这时分析自变量是否显著才有意义。图中X1、X2的P值均小于0.05 效应显著 X3的P值大于0.05 效应不显著。

从相关性度量可看出符合“毛刷磨损和枪钉长度越大则越容易造成产品划伤”这一规律的，共有257171对，占总观测值的82.9%；不符合这一规律的，共有49531对，占总观测值的16%；持平的有3569对，占总观测值的1.2%。度量综合结果分别为0.67、0.68、0.29。说明预测出错的可能性相对较小。