1、Six Sigma 運用工具培訓講義回顧： 定義/測量階段 6sigma 管理法 6西格瑪 DMAIC戰略的概括圖回顧： 定義/測量階段 相關和回歸分析在 6 sigma中各階段的作用分析階段 - 相關和回歸分析突破性戰略定義測量分析改善控制優化鑒別驗證緣由的真實性對結果進行預測確定少數關鍵變量相關和回歸分析從右圖可知，在 6 sigma分析，控制階段都會用到相關和回歸分析方法。分析階段 -相關和回歸分析概述1. 回歸分析定義：分析階段 -相關和回歸分析概述2. 相關分析定義：分析階段 -相關和回歸分析概述3. 相關和回歸分析的關係：分析階段 -相關和回歸分析概述4. 散佈 (點)圖：分析階段

2、 -相關和回歸分析概述4. 幾種常見的散佈 (點)圖：散佈 (點)圖具體作法參照後面的例子。分析階段 -相關和回歸分析概述5. 相關系數：是用來描畫變量 x和 y之間線性相關程度的參數，用 R來表示，它具有以下方面的特性：分析階段 -相關和回歸分析概述分析階段 -相關和回歸分析概述分析階段 -相關和回歸分析概述相關系數的計算除用上面提到的 Minitab方法外，也可采用以下的方法：R = Lxy / sqrt (Lxx * Lyy)Lxy = (xi - x) (yi - y)Lxx = (xi - x)Lyy = (yi - y)Xi = 變量 x的數據點， i = 1, 2, 3 yi =

3、 變量 y的數據點， i = 1, 2, 3 n = 變量 x和 y的樣本容量i = 1i = 1i = 1nnn22參照相關係數都督算法的例子。6. 回歸分析通過相關分析可以確定變量間的相關性及相關程度，在解決實際問題時，僅做到這一步是不夠的。因為我們分析的目的是發現主要要素並找到其影響規律。即隨著“關鍵的少數要素 x的變化，因變量 y如何變化。對應於要素的某個變化量，y的變化量是多少？回歸分析就是用來定量描畫要素 x 和因變量 y間的關係的方法。通過回歸分析，我們可用方程來表示 x和 y的關係。從而發現 y隨 x的變化規律。回歸分析可以篩選潛在的少數 x，對 y進行預測和優化及確定對應於

4、y的最優值的 x的程度設置。分析階段 -相關和回歸分析-一元線性回歸分析分析階段 -相關和回歸分析-一元線性回歸分析分析階段 -相關和回歸分析-一元線性回歸分析例如一. 進行相關性分析(運用散佈圖 ) 1. 散佈圖作法1.1 在 Minitab下拉式菜單選： GraphScatterplot 1.2. 選取合適的圖形類別：分析階段 -相關和回歸分析-一元線性回歸分析例如1.3. 在表中輸入Y和 X：分析階段 -相關和回歸分析-一元線性回歸分析例如1.4. 輸出散佈圖如下：分析階段 -相關和回歸分析-一元線性回歸分析例如2. 計算相關係數 (運用 Minitab軟件 )：2.1 在 Minita

5、b下拉式菜單選： Stat Basic Statistics Correlation分析階段 -相關和回歸分析-一元線性回歸分析例如2.2 選擇下圖所示信息：分析階段 -相關和回歸分析-一元線性回歸分析例如2.3 Minitab 輸出：Correlations: Hydrocarbon %, Oxygen purity % Pearson correlation of Hydrocarbon % and Oxygen purity % = 0.937P-Value = 0.000分析階段 -相關和回歸分析-一元線性回歸分析例如二 . 建立回歸模型1. 在 Minitab下拉式菜單選： Stat

6、 Regression Regression，如下圖所示：分析階段 -相關和回歸分析-一元線性回歸分析例如2. 在出現的對話框選擇下圖所示信息：分析階段 -相關和回歸分析-一元線性回歸分析例如3. 點擊 “Storage 按鈕，在出現的對話框選擇下圖所示信息：此選項表示在 Minitab任務表中存儲擬和值和殘差分析階段 -相關和回歸分析-一元線性回歸分析例如4. 點擊 Options 對話框， 選擇下圖所示信息：回歸方程有合適的截距表示根據現有的冷凝器中的炭氫化合物的%的全部數據對氧氣的純度進行預測，並求預測區間和置信區間。分析階段 -相關和回歸分析-一元線性回歸分析例如5. Minitab輸

7、出分析結果如下：5.1 回歸方程和回歸方程的方差分析：Regression Analysis: Oxygen purity % versus Hydrocarbon % The regression equation isOxygen purity % = 74.3 + 14.9 Hydrocarbon %Predictor Coef SE Coef T PConstant 74.283 1.593 46.62 0.000Hydrocarbon % 14.947 1.317 11.35 0.000S = 1.08653 R-Sq = 87.7% R-Sq(adj) = 87.1%Analysi

8、s of VarianceSource DF SS MS F PRegression 1 152.13 152.13 128.86 0.000Residual Error 18 21.25 1.18Total 19 173.38回歸方程P0.05，常數項和系數均為顯著項測定系數 R , 詷整測定系數 Radj和殘差標準差回歸方程的方差分析表22P Fcritical = 4.414，並且P Regression Regression，如下圖所示：分析階段 -相關和回歸分析-一元線性回歸分析例如2. 在出現的對話框選擇下圖所示信息：分析階段 -相關和回歸分析-一元線性回歸分析例如3. Minit

9、ab輸出分析結果如下圖：22分析階段 -相關和回歸分析-一元線性回歸分析例如6. 從 Minitab輸出結果我們可得出如下結論：6.1 可求出回歸方程6.2 回歸方程的顯著項，在本例中，常數項和系數項均為顯著項6.3 測定系數 R , 詷整測定系數 Radj表示回歸方程可解釋的變差占總變差的百分比6.4 回歸方程的方差分析結果，本例的分析結果中，Fcal = 128.86 Fcritical = 4.414，並且P Regression Fitted line Plot.，如下圖所示：分析階段 -相關和回歸分析-一元線性回歸分析例如2. 在出現的對話框選擇下圖所示信息：分析階段 -相關和回歸分

10、析-一元線性回歸分析例如3. 測定系數 R , 詷整測定系數 Radj表示回歸方程可解釋的變差占總變差的百分比分析階段 -相關和回歸分析-一元線性回歸分析例如22表示顯示回歸值的置信區間和預測區間4. Minitab輸出結果如下：分析階段 -相關和回歸分析-一元線性回歸分析例如5. 圖形分析如下：5.1。 圖形可輸出回歸方程，測定系數 R , 詷整測定系數 Radj和殘差標準差。5.2。最中間的一條直線表示回歸方程的擬合值。5.3。緊靠直線的兩條紅色虛線代表擬合值均值在 95%的置信度下的置信區間。5.4。最靠外的兩條綠色點畫線代表擬合值在 95%的置信度下的預測區間。分析階段 -相關和回歸分

11、析-一元線性回歸分析例如22五。一元回歸的幾種方式：我們可用 Minitab對一元回歸方程進行檢驗以確定哪種方式是最適合的回歸方式。分析階段 -相關和回歸分析-一元線性回歸分析例如線性方式二次非線性方式三次非線性方式注：主要是通過比較三種方式的 R， R(adj)和 S, R， R(adj)值最大且S最小的方式，它就是較適合的方式。2222一。非線性相關關係的斷定以下幾種方法可判斷 x和 y之間能否存在非線性關係，在實際應用時，可結合幾種方法，得出一個綜合的結論。1.1 觀察散佈圖：分析階段 -相關和回歸分析-一元非線性回歸分析1.2。確認 r 值：r 值代表 x和 y之間線性相關的程度，假設

12、 r 0.95，則 x和 y的線性相關關係十清楚顯，用線性方程來擬合普通不成問題。假設 r 值很小，觀察散佈圖以發現 x和 y之間 存在明顯的關係，可用一條線來擬合，這時可以斷定 x和 y之間存在非線性相關關係。1.3。觀察回歸分析的殘差圖形：殘差圖可以使我們獲得重要的信息。在正常情況下，殘差平均值應為 0；殘差應呈正態分布，且應隨機分布，即不應存在特殊的形狀。因此，通過觀察殘差的分布形狀可以判斷所用的回歸模型能否適用。A。回歸模型適用時的殘差分布圖和殘差擬合值圖分析階段 -相關和回歸分析-一元非線性回歸分析B。回歸模型不適用時的殘差分布圖和殘差擬合值圖觀察上面的圖形，可發現模型適用時，殘差與擬合值圖上的點均勻分布在殘差為 0的直線周圍，見圖 a；殘差分布形狀為正態分布，見圖 b。當模型不適用時，殘差和擬合值圖上的點呈倒拋物線形，見圖 c；殘差分布形狀為雙峰形(見圖 d)或其他特別的形狀。我們可通過下面的兩種方法去驗證：1。通過 Minitab的 “Fitted Line Plot 來檢驗。2。通過 Minita