2021年六西格玛管理黑带（绿带）考试知识要点(80)

多元线性回归分析的自变量筛选
处理方法：
（ 1）逐个删除变量
（ 2）根据变量之间的相关关系确定删除的变量
（ 3）多变量 — 变量聚类
逐步回归
（ 1） 向前选择法 ： 先选入对 y影响最大者 （ P值最小者 ）， 再从其余自变量中寻找影响
次最大者，直到无任何变量 p值小于指定的选入 α 值。
（ 2） 向后选择法 ： 开始引入全部自变量 ， 从 p值最大的变量开始逐个删除 ， 直到不能
删除为止。
（ 3）逐步（向前和向后 ）：自变量逐个引入，边引入边检查已引入自变量中最大的 p
值是否已大于指定的删除 α 值，若大于指定的删除 α 值，则从模型中删除该项，在重
复上述过程，直到不能再引入也不能再删除自变量为止。
最佳子集
把所有可能自变量的子集进行回归的结果都列出来供选择。
选择的依据是：
R-Sq ， R-Sq （调整）越大且二者越接近越好， Cp 越接近参数个数（包括常数项）越
好， s值越小越好。
增加蓝书内容（第 10 章 ）：
10 变异源分析
10.1 变异源分析概论
实施六西格玛管理的一个重要目标就是要减少生产过程中产品性能的变异 ，即生产
出的产品特性指标的标准差尽可能小。
生产中产生变异的原因可能很多，一般的做法是：通过事先安排好的计划，有规律地
去收集生产过程中的有关数据 ， 通过分析 ， 定量地给出每部分变异在总变异中的比例 ，
作为选择改进措施时的依据，这就是变异源分析。
变异源分析不改变目前生产状况。
10.2 变异源分析的一般方法
因变量 （响应变量 ）：要被分析的最能代表过程特征的变量。
因子 ：可能产生影响的那些变量称为因子。
在 SOV 中，因子通常是以离散型变量的形式出现。连续型变量则需要取定若干固定数
值后将其离散化。
变异源分析 通过按不同因子的不同水平有计划地分层，然后再抽取样本。
抽样一定在现有生产条件下进行的，并不对生产条件作任何改动。
如果因子用 A、 B、 … K表示 ， SOV 最终的目的就是把整个方差分解为若干个有意义的方