Variable INTERCEP STAY AGE INS SCHOOL RC3 Parameter Estimate -2.21637907 0.24760767 0.05898907 0.07087967 -0.38736862 0.87192445 Standard ErTOr 3.38468174 0.104日6035 0.06400415 0.02005725 0.60843670 0.70049715 rype TI Sum of Squares 0.50174830 6.52437780 0.99394033 14.61240661 0.47429829 1.81291925 F 0.43 5.58 0.65 12.49 0.42 1.55 Bounds on condition number： 1.905871， 36,65382 step 3 Variable SdHOOL Renovedd R-square = 0.59693428 C（p） = 2.52523447 DF Sum of Squares Hean Square F Regression 4 38.82716364 9.70679091 8.52 BrTOr 23 26.21712207 1.13987487 rotal 27 65.04429571 Parameter Standard Type II Variable Estimate BETOr Sum of Squares F INTERCEP -2.30479519 3.33782686 0.54349337 0.4B STAY 0.23848508 0. 10252510 6.16764346 5.41 AGE 0.05257509 0.06292612 1.12722159 0.99 INS 0.06713326 0.01892561 14.34276871 12.58 RC3 0.76072793 0.66954727 1.47147677 1.29 Bounds on condition number： 1.741914， 23.03492 •- -1-11Step 4 Variable AGE Removed R- salare = 0. 57960421 C（p）= 1.40772979 DF Sum of Squares Mean Square F Regression 3 37.69994205 12.56664735 11.03 Error 24 27.34434367 1.13934765 Total 27 65.04428571 Paraneter Standard Type II Variable Eetimate Brror Sum of Squares F INTERCEP 0.88480344 0.92355510 1.04574126 0.92 QUADRATIC RBGRESSION OF RAREING ON TEHPERATURE STAY 0.28060533 0.09334523 10.29588785 9.04 INS 0.05622030 0.01541554 15.15391450 13.30 Erob≥E 0.5194 0.0275 0.3667 0.0019 0.5309 0.2263 Prob>E 0.0002 Prob>F 0.4968 0.0292 0.3304 0.0017 0.2676 Prob>E 0.0001 Prob>F 0.3476 174 0.0061 0.0013
13.5小結 •909． FC3 0.74723631 0.66925498 1.42032908 1.25 0.2753 Bounds on condit ion nunber： 1.162616， 10.11556 I---- 1 --- -1Step 5 Variable RC3 Removed R- sqvare= 0.55776787 DE Sum of Squares Mean Square Regression Error Total 2 36.27961297 18.13980648 25 28.76467275 1.15058691 27 65.04428571 Parameter Variable INIERCEP STAY INS Estimate 1,15123509 0.26598212 0.05416385 Standard BrrOT 0.89656440 0.09287658 0.01538042 Tzpe II Sum of Squares 1,89699030 9.43651980 14.26927648 C（p） = 0.51969728 F 15.77 Prob>F 0.0001 F 1.65 8.20 12.40 Prob>F 0.2109 0.0084 0.0017 Bounds on condition mumber： 1.13972B， 4.558912 ---- All variables left in the nodel are significant at the 0. 1000 level. Summary of Backward El imination Procedure for Dependent Variable RISK Variable Number Partial Model Step Removed In R2 R^2 C（p） Label F ETob>E 1 RC2 6 0.0014 1 IF HOSPITAL IN NOKIH CENTRAL 2 RC1 5 0.0016 1 IF HOSPITAL IN NORTHEAST 3 SCHOOL 4 0.0073 1 IF AFFL.IATED WITHI HEDICAL, SCHOOL, OTF 4 AGE 3 0.0173 AVERAGE AGE OE PATIBNT （YEARS） 5 RC3 2 0.0218 1 IF HOSPITAL IN SOUIH 0.6058 6.0717 0.0717 0.7916 0.6042 4.1539 0.0860 0.7722 0.5969 2.5252 0.4053 0.5309 0.5796 1.4077 0.9889 0.3304 0.$578 0.5197 1.2466 0.2753 這七個輸入變數包含有輸出變數 RISK 的資訊嗎？給出你檢驗的p值。 基於完全迴歸模型（七個輸入變數），我們能否有至少95%的把握說，在其他 •
•910• 第十三章多元迴歸續論完全一樣的條件下，南方醫院比西方醫院的傳染發生率至少高5%？ 13.60 參見練習 13.59。 a.考慮下列兩種說法： 在醫院所在地區和醫院是否屬一個醫學院之間有復共線性。 在醫院所在地區和醫院是否屬一個醫學院之間有互動作用。 這兩種說法的區別是什麼？要確定這兩個說法是對的還是錯的，各需要什麼根據？在SAS的輸出結果中，有這樣的根據嗎？如果有的話，那麼你認為這些說法是對呢還是錯呢？ b.構造一個模型，使其能夠反映所在地區和是否屬某個醫學院這兩個變數之間的互動作用。對於該模型，東北的、且屬於某個醫學院的醫院與一個西部的、不屬於任何一個醫學院的截距之間有什麼差別？ 13.61 參見練習 13.59。假定我們要從完全模型中去掉某些我們認為對輸出變基貢獻不大的變數，你最後選擇的模型是什麼？為什麼你選擇這個模型？ 13.62 參見練習13.59。預測東北部附屬於某個醫學院的醫院中的傳染髮生率，其中患者的平均住院時間為10天，平均年齡為64歲，日常培養比為20%。 這個預測是內插還是外推？你是怎麼知道的呢？ 13.63（生物）二十名志願者參加瞭如下的試驗。這些人測量了自己的脈搏速率（這很容易做到：用一隻手的拇指和食指按在脖子兩邊的兩條動脈上即可得到）。然後，要他們擲一枚硬幣。如果正面向上，他們就在原地跑1分鐘。接下來， 再請他們測量自己的脈搏，記錄下前後兩次脈搏速率的差，以及這些學生的其他特徵。用這些變數作為自變數，做脈搏速率的迴歸分析，以解釋脈搏速率的差。這些變數是： PU1.SE =前後兩次脈率的差 RUN=虛擬變數，1=未做原地跑，0=做了原地跑 SMOKE=虛擬變數，1=不吸菸，Q=吸姻 HEIGHT=身高，以英寸為單位 WEIGHT=體重，以磅為單位 PHYS1=虛擬變數，1=大量體育鍛煉，0=共他 PHIYS2=虛擬變數，1=中量體育鍛煉，0=其他 a。進行適當的檢驗，以確定所有這些自變數一起，是否顯著地解釋了脈率的變化，用a=0.01 得出你的結論。 b.此處是否有復共線性的問題？你的依據是什麼？復共線性如何影響你用迴歸做出預測的能力？ c•基於完全迴歸模型（六個自變數），計算那些參加了大量體育活動的人相對於那些沒有多少體育活動的人的PUL.SE 變數的平均增量的估計。我們是
13.5 小結 • 911• 否能有95%的把握認為這個平均增量的實際值大於0？ LISTING OF DATA FOR EXERCISE 13.63 Obs FULSE RUN 1 -29 2 - 17 3 - 14 o o 4 - 22 5 -21 6 -25 o 9 10 17 19 22 23 24 25 26 27 28 29 30 -9 - 18 -23 -14 - 21 - 13 - 21 -1 - 16 4 3 5 -5 -6 -6 8 -1 -5 -3 0 0 0 0 0 0 0 1 1 1 1 1 ］ Correlation Analysis 6‘VAR' Variables： ROJH SHOKE SHOKE 1 1 0 o 1 1 T T 1 1 0 1 0 0 0 0 1 1 1 FEIGHT 66 72 73 73 69 73 72 74 72 71 74 72 70 67 71 72 69 68 75 72 67 70 73 74 68 73 66 69 66 75 KEIGHTT 140 PHYS1 o 0 1 0 0 0 PHYS2 1 1 0 1 135 160 HEIGHT KEIGE？ PHTYS1 o 0 0 1 1 PEYY$2 1 1 1 1 0 0
•912• 第十三章多元迴歸續論 Variable RUN SHOKE FEIGHTT WEIGHFT PHr$1 PHYS2 30 30 30 30 30 30 Nean 0.4333 0.6667 70.8667 158.6333 0.3000 0.5667 simple statistics Std Dev 0.5040 0.4795 2.7759 17.5391 0.4661 0.5040 Sum 13.0000 20.000 2126 4759 9.0000 17.0000 Pearson Correlation Coefficients/Prob> |R! under HO:Rha= 0/N=30 RUN SHOKE HEIGHT NEIGHYT PHYS1 PHrS2 RDN 1.00000 0. - 0.09513 0.6170 -0.12981 0.4942 -0.25056 0.1817 0.01468 0.9386 0.08597 0.6515 SHOKE - 0.09513 0.6170 1.00000 0.0 0.01727 0.9278 -0.06834 0.7197 0.15430 0.4156 - 0.04757 0.8029 EEIGHT -0.12981 0.4942 0.01727 0.9278 1.00000 0.0 0.59885 0.0005 0.19189 0.3097 - 0.28919 0.1211 WEIGHT -0.25056 0.1817 -0.06834 0.7197 0.59885 0.0005 1.00000 0.0 0.01392 0.9418 -0.11221 0.5549 Backward Blim ination Procedure for Dependent Variable PULSR Step D A11 Var iables Bntered R-sguare = 0.62973045 DF Su of Squares Hean Square Regression Error Tatal 6 1850.58887109 308.43147852 23 1088.11112091 47.30917952 29 2938.70000000 Parameter Standard Variable INTERCEP RUN SHOKE HEIGH MEIGHT Estimate Error -31.68830679 36.42360015 11.40166481 2.66171908 -6. 890292月1 2.74454278 0.13169561 0.60021947 0.0230360日 0.09440380 Type II Sum of Squares 35.80780871 868.07553823 298.10154585 2.27754970 2.81697901 Minimum 0 o 66.0000 130.0000 o 0 RETS1 0.01468 0.9386 0.15430 0.4156 0.19189 0.3097 0.01392 0.9418 1,00000 0.0 -0.74863 0.001 C（p） =7,00000000 F 6.52 Naximum 1.0000 1.0000 75.0000 195.0000 1.0000 1.0000 FHTY$2 0.08597 0.6515 -0.04757 0.8029 -0.28919 0.1211 - 0.11221 0.5549 -0.74863 0.0001 1.00000 0.0 Prob>E 0.0004 F 0.76 18.35 6.30 0.05 0.06 Prob>F 0.3933 0.0003 0.01$5 0.8283 0.8094
13.5小 PHYS1 PHY$2 13.43465041 7.80635269 4.25117641 3.97815470 472.47616161 182.17065424 Bounds on condition number： 2.464274， ------------------------ Step 1 Variable HEIGHT Removed R- square = 0.62895543 62.50691 -！11 C（p） = 5.04014181 Regresslon ErrOr Total DE 5 24 29 Sum of Squares 1848.31132139 1090.38867861 293日.70000000 Hean Sqvare 369.66226428 45.43286161 F 8.14 Variable INTERCEP RUN SHOKE WEIGH！ .PHYS1 PITYS2 Parameter Estimate - 24.25519127 11.43076116 -6. 85327902 0.03529782 13.44838310 7.65315557 Standard ErrOr 13.11118684 2.60516294 2.68448142 0.07456145 4,16556957 3.83795325 Tye II Sun of Sguares 155.48750216 074.68284765 295.10525519 10.18209732 473.54521380 180.65576063 E 3.42 19.25 6.52 0.22 10.42 3.98 Bounds on condition number： 2.406131， -•- 40.22096 •一一 Step 2 Variable WEIGHTT Renoved R- square = 0.62549060 --- C（P）= 3.26336637 Regression Erroz Total DE 4 25 29 Sum of Squvares 1838.12922407 1100.57077593 2938.70000000 Mean Square 459.53230602 44.02283104 F 10.44 Variable INTERCEP RUN SHOKE PHY$1 PEYS2 Parameter Estimate -18.30152045 11.13212935 -6.96302377 13.32514812 7.45071026 standard Error 3.64892257 2.48810400 2.63262467 4.09240540 3.75440264 Tye II Sum of Squares 1107.44716129 881.24648295 307.96107626 466.72897076 173.37705597 F 25.16 20.02 7.00 10.60 3.94 Bounds on condit ion nunber： 2.396734， 27.36375 A11 variables left in the nodel are significant at the 0. 1000 level. 結 •913． 9.99 3.85 0.0044 0.0619 Prob>E 0.0001 Prob>E 0.0767 0.0002 0.0175 0.6402 0.0036 0.0576 — — Prob>F 0.0001 Frob>F 0.0001 0.0001 0.0139 0.0032 0.0583
•914• 第十三章多元迴歸續論 Sumary of Backward El imination Procedure for Dependent Var iable PUL.SE Variable Number Partial Model Step Removed In R**2 R**z C（p） Label E Erob2E 1 HEIGHT EEIGHT（INCHES） 2 WEIGHT WEIGHTT （FOUNDS） 5 0.0008 0.6290 5.0481 0.0481 0.8283 4 0.0035 0.6255 3.2634 0.2241 0.6402 13.64 參見練習13.63。 2.對於未做原地跑、很少參加體育活動的人，給出其脈率差關於身高和體重的迴歸線。 b.考慮下面兩種說法： 1.在吸菸變數和體育活動虛擬變數之同有復共線性。 2.在吸菸變數科體育活動虛擬變數之間有互動作用。 這兩種說法之間有什麼差別？如果這兩種說法都是對的，解釋資料集中存在的關係。 13.65 參見練習13.63。 a.你所選擇的好的預測方程是什麼？為什麼你選該方程？ b.上述模型中不包含任何互動作用。構造一個模型，使其能夠包括每兩個定量變數之間的互動作用。 13.66（化學）這個練習中的資料取自 Brown,Healy and Kearns（1981）關下鈣的化學化驗的討論。準備好一組標準的溶液，把這些標準的以及一些未知的溶被用分光光度計按某個單位測量出來（y）。用一個線性模型擬合標準的溶液數據，然後把未知溶液的測量值代入，得到未知溶液的值（z）。這些標準溶液和未知的溶液的準備需要許多實驗室操作，標準溶液的實際濃度與它們的目標值之間會有些差異。這些差異可以用這種很精確的儀器測量出來。目標值分別為2.0， 2.0,2.5,3.0,3.0mmol/1（毫摩爾/升），“重複“測量獨立地進行。對標準和未知的溶液重複測量四次，在每次化驗中，每種未知溶液有兩個樣品，每個樣品都有四個讀數，其中一個樣品用儀器中最優選擇的條件進行測量，而另一個樣品則用稍弱一點的條件進行測量。以y記分光光度計讀數，×記實際的mmol/l數。 下面的資料表是由四個實驗室按照上述方法進行化驗得到的六個未知溶液樣品的資料。標準溶液用 2.0A,2.0B, 2.5, 3.0A, 3.0B 表示，未知溶液則以 U1， U2,W1,W2,Y1,Y2 表示。
13.5小結•915． 測量值 1098 1090 實驗室/溶液 1W1 1 2.0A 1 W2 1 2.0B 1 U1 12.5 1 U2 1 3.0A 1 Y1 1 3.0B 1 Y2 2 W1 2 2.0A 2 W2 2 2.0B 2 U1 22.5 2 U2 23.0A 2 Y1 2 3.03 2 Y2 測量值 1202 kn8mwa 1185 m4a剛am wMaa gbam wmwm wmpawu 1579 1483 1017 910 1259 9bam 1473 1579 1482 1012 915 9hgm n6gw 例姐wmmxa 1317 1376 1572 1466 1567 1472 1020 915 1147 1265 walxau ww明pmBa 實驗室/溶波 3 W1 3 2.0A 3 U2 3 2.0B 3 U1 32.5 3 W2 3 3.0A 3 Y1 33.0B 3 Y2 4 2.0A 4 W2 4 W1 4 2.0B 4 U2 42.5 4 U1 4 3.0A 4 Y2 4 3.0B 4 Y1 1090 969 1088 969 1270 1196 1261 1451 1352 1439 1349 1122 1256 1260 1122 1453 1386 1450 1656 1543 1658 1545 1349 1433 1353 2.畫出標準溶液的 y對x的圖，每個實驗室單獨畫一張。 b.對於每個實驗室擬合線性迴歸方程y=80+Bz +E，由此對於每種未知溶液的測量值»預測相應的值z。基於對每種未知溶液的四個z的預測值，計算z的預測值的標準差。 c.哪一個實驗室看起來能做出更好的z的預測？為什麼？ 13.67 參見練習13.66。假定對每種未知的溶液算出兩個樣品的y的平均值，並用之擬合練習13.66中的線性模型。 8.對於每個實驗室，線性迴歸線有變化嗎？ h.對於這四個實驗室，用這些新的迴歸方程預測z，預測值有變化嗎？為什麼？ 13.68 參見練習13.66。使用自變x，建議一個一般線性模型，使其可以用來擬合來自所有四個實驗室的資料。解釋這個一般線性模型中的引數。
•916•第十三章多元迴歸續論 13.69 參見練習13.68 日，擬合練習13.68中的模型。 b.分別給出每個實驗室的迴歸模型。 c•這些迴歸模型與前面得到的迴歸方程有區別嗎？ d.擬合一個模型與分別對各個實驗室擬合模型比較起來，有哪些優點？ 13.70 參見本章開始時介紹的案例。用下面給出的計算機輸出回答銷售部經理的問題。特別地，確定經理認為對利潤有影響的那些變數是否真有影響。考慮單個的變以及這些變數的可能的函式。例如，利潤和銷路數量的關係會否由於兩種不同的佣金發放方式而有所不同。省去任何沒有多少預測價值的變數。考察迴歸模型所需要的條件，看是否有違反這些條件的現象。如果有任何違反的現象，作出必要的矯正，使得迴歸分析的結果可用。對於你透過迴歸分析得到的結果，給出非技術性的解釋，並把你所得到的關於銷售部經理的問題的結論寫成一份報告。 Deta Display Row DTST 1 1 2 2 3 3 4 4 5 5 6 6 7 7 8 8 9 9 10 11 12 13 14 15 16 17 18 19 20 21 22 PROEIT 1011 AREA 16.96 7.31 7.日1 7.31 19.84 12.37 6.15 14.21 7.45 14.43 6.12 11.71 9.36 19.41 11.75 40.34 7.16 9.37 7.62 27.54 15.97 12.97 POPN 3.01 3.141 3.766 4.587 3.648 3.456 3.695 3.609 3.801 3.322 5.124 4.158 3.887 2.230 4.468 0.297 4.224 3.427 4. 031 2.370 3.903 3.423 CUTLEIS COMMHIS 1 1 1 1 1 1 1 1 1 1 o 1 0 1 0 1 0 1 1 1 1 ARBA_2 287.54 53.44 61.00 53.44 393.63 153.02 37.82 201.92 55.50 208.22 37.45 137.12 87.61 376.75 138.06 1627.32 51.27 87.80 58.06 758.45 255.04 168.22 FOPN_2 15.0622 9,6659 14.1月28 21.0406 13.3079 11.9439 13.6530 13.0249 14.4476 11.0357 26.2554 17.2890 15.10日8 4.9729 19.9630 0.0882 17.日422 11.7443 16.2490 5.6169 15.2334 11.9169
Rom 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 OTLEIS 13.5 小結 1 0 1 1 1 1 0 0 1 0 1 1 1 1 1 000 1 AREA_2 301.37 38.94 125.44 327.25 177.42 224.10 480.49 1218.71 71.57 56.55 208.22 236.24 125.44 51.84 181.98 43.03 87.42 123.65 111.94 317.55 100.60 100.20 • 917• FOEN_2 5.7121 24.4728 17.3556 16.5080 9.6410 16.9415 2.2801 0.5491 27.6676 32.9935 7.3062 12.8379 19.9720 24.5124 12. 0687 21.5018 15.2100 14.1828 15.0234 7.5790 19.7936 21.9024 案例中的散點圖陣 •你節 1386.5 | 587.5 JPROFTT 31.785 14.675 4.38225 1.65875 196.75 122.25 0.75 0.25 AREA POPN OUTLETST COMMIS
• •918• 第十二章多元迴歸續論 CORRELATTON ANALYSIS FOR CASE STUDY 5'VAR' VARTABL.BS： PROEIT AREA FOPN CUTLEYS CONHIS SIHPLE STATISTICS VARIABLE PROFTT AREA POPN OUTLETS COMMHIS HEAN STD DEV SH 44 1114 346.6525 48995 44 13.2798 7.2163 584.3100 44 3.6757 1.0910 161.7310 44 172.1364 31.0795 7574 44 0.6818 0.4712 30.0000 PEARSON CORREIATION COBFFICIENTS/PROB>IR| UNDER HO: RHO = 0/N= 44 PROFIT AREA POPN FROFIT 1.00000 -0.68852 0.60822 0.0 0.0001 0.0001 AREA - 0.68852 1.00000 - 0.83383 0.0001 0.0 0.0001 POPN 0.60822 -0.83383 1.00000 0.0001 0. 0001 0.0 OUTLEFS 0.43273 -0.63678 0.73194 0.0033 0.0001 0.0001 COHNHIS 0.23584 0.18534 -0.28712 0.1233 0.2284 0.0588 • MINIMUM 188.0000 6.1200 0.2970 85.0000 OUTLETS 0.43273 0.0033 -0.63678 0.0001 0.73194 0.0001 1.00000 0.0 -0.33842 0.0246 Best Subsets RegressLOn : EROE IT ver BUs ARIA, POPH... Response is PROFIT A R E X F 0 P N U T 正可口 S C 醜 A 22- x P 0 E N 0 SIgVars 1 1 2 2 3 3 R- Sg 47.4 40.9 62.8 61.4 65.7 65.0 R-Sa（adj） 46.2 39.4 61.0 59.5 63.1 62.4 C-P 23.4 31.3 6.9 8.5 5.4 6.2 254.37 269.75 216.62 220.52 210.61 212.67 X X X MAXIMUM 1786 40.3400 5.7440 234.0000 1.0000. COHMIS 0.23584 0.1233 0.18534 0.2284 -0.28712 0.0588 -0.33842 0.0246 1.00000 0.0 CCG H M H E X X X X
13.5小結•919• 4 4 5 5 5 R- $g 66.5 66.1 70.9 70.0 71.5 71.3 71.7 71.5 71.8 71.8 71.8 R- Sg（adj） 63.1 62.7 67.1 66.1 66.8 66.6 66.2 66.0 65.3 65.3 64.3 C-P 6.4 6.8 3.0 4.1 4.4 4.6 6.1 6.3 8.0 8.01 10.1 〇E T C COHM H COM A 區巴工E H A H •正 1P T A S S 一2 I 2 S 210.60 X X X X 211.79 X X X 198.78 X X X X 201.86 X × 199.64 X XXX 200.21 X XXXXx 201.58 × × X XXXX 202.14 X XX XXXX 204.19 X XXx XXXX 204.22 XXX XXXXX 207.05 X XXX X XXXX Reqression Analysis:EROFIT versus AREA, POEN，••• The regression equation is PROFIT = 1710-18.5 AREA + 196 FOPN-9.46 OUTTL.ETS -267 COMMIS+ 0. 140 AREA_ 2 + 24.7 POPN_2- 20.1 COWM_ AREA- 337 COKIH_ POPN +11.9 COMM_ DISTRICTS Predictor Coef Constant 1710 AREA -18.51 POPN 195.5 CUTTLETS -9.459 CONHIS -267 AREA_2 0.1402 FOPN_2 24.74 COHMH_ARE - 20.10 CONMH_POP - 336.8 COMH_ DIS 11.874 = 207.0 R-Sq=71.88 SE Coef T 1254 1.36 33.11 - 0.56 349.6 0.56 4.715 -2.01 1176 -0.23 0.6870 0.20 37.79 0.65 33.24 -0.60 162.6 -2.07 5.023 2.36 R- Sa（adj）= 64.3% P 0.182 0.580 0.580 0.053 0.822 0.839 0.517 0.549 0.046 0.024 Analysis of Variance Sourse Regression Residual Brror Total DF 9 34 43 SS 3709689 1457534 5167223 MS 412188 42869 F 9. 62 P 0.000
• 920• 第十三章多元迴歸續論 Source AREA POPN CUTLETS COHMIS AREA_2 FOPN_2 COMH_AFE COMM_ EOE COMH_DIS Unusual Observations Obs AREA 15 40.3 19 7.6 DF 1 1 1 1 Seq SS 2449586 19727 8896 814136 19932 25074 78282 54524 239533 EROEIT 188.0 643.0 Fit 279.2 1484.3 SE Eit 175.0 74.9 R denotes an observation with a large standardized Tesidual X denotes an observation whose X value gives it large influence. Residuals versus the Fitted values （response is PROFIT） • Residual -91.2 -841.3 st Resid - 0.82x - 4.36R 500- • -1000200 700 1200 Fitted Value 1700 lormal Probability Plot Poheg Pae Residual Normal Score 2 - 0 -1 -2 -1000 • -500 Residual
第七部分試驗設計與方差分析第十四章試驗和研究的設計概念第十五章第十六章