实验过程

一、方差分析

单因素方差分析

探索性数据分析
分析-比较平均值-描述统计量
图形-图表构建器-对比箱线图

条件检验
正态分布：分析-探索-图-含检验的正态图
方差分析：比较平均值-单因素ANOVA分析-选项-方差齐性检验

方差分析
查看F与显著度

事后两两检验

显著性大于0.05说明没有显著差异，可以在子集中任选

双因素方差分析

检验是否有交互效应：分析-一般线性模型-单变量
发现无交互作用-非饱和模型：分析-一般线性模型-model(custom)


固定方式——切分数据做单因素方差分析

协方差

前提检验
检验协变量与因变量线性
检验协变量回归同质性假设——图像平行，与x交互项不显著

协方差分析：
去除交互项查看分别显著度
去除协变量查看显著度
对比两个模型

二、回归分析

逐步回归法

同时回归-多重共线性诊断
向后回归

多重共线性

同时回归建模根据拟合优度，整体显著度和系数显著度发现问题

做共线性诊断，分析不同的指标

如何解决——逐步回归

多重共线性+回归诊断

构建残差项

线性相关
独立同分布-独立-DW检验|同分布-散点图

正态分布检验-探索

异常点
离群点——图-标准化残差，学生化残差

高杠杆点——杠杆值，库克距离

虚拟变量

转换-设置成哑变量进行回归

逻辑回归

虚拟变量设置（在二元逻辑回归中直接设置）

同时回归建模
检验
拟合优度-R,hosmer,精度
整体显著度
系数显著度-wald

三、信息浓缩

因子分析

检验相关性
提取因子

因子旋转——最大方差法
因子得分

从因子回到原始——用标准化模型

聚类

kmeans聚类

因子提取，在不同的主成分上画图