Добавил:
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:

Анализ данных в материаловедении. Часть 2. Регрессионный анализ. Учебное пособие

.pdf
Скачиваний:
0
Добавлен:
12.08.2026
Размер:
1 Мб
Скачать

надо проставить нули в диапазонах Е5:Е17 и Н5:Н17. Новая модель и ее характеристики приведены в табл. 10.5.

 

 

 

 

 

 

 

 

 

Таблица 10.5

 

 

 

 

 

 

 

 

 

 

 

 

 

 

B

 

C

D

E

F

G

H

 

24

 

Коэффициент

 

Ni

Cr

Si

Mn

С

0

 

 

 

 

 

 

 

 

 

 

 

25

 

регрессии

0,0000

-0,2585

0,2349

0,0000

-0,0809

60,337

 

 

 

Станд. ошибка

 

 

 

 

 

 

 

 

26

 

коэфф. регр.

0,0000

0,0641

0,0556

0,0000

0,0889

4,4154

 

 

 

R2 и остаточное

 

 

 

 

 

 

 

 

27

 

станд. отклон.

0,7706

0,8790

#Н/Д

#Н/Д

#Н/Д

#Н/Д

 

 

 

F и ч.с.с.

 

 

 

 

 

 

 

 

 

 

остаточной

 

 

 

 

 

 

 

 

28

 

дисперсии

10,0749

9

#Н/Д

#Н/Д

#Н/Д

#Н/Д

 

29

 

 

 

 

 

 

 

 

 

 

 

 

t-критерий

 

 

 

 

 

 

 

 

30

 

коэфф. регр. #ДЕЛ/0! -4,0306 4,2236 #ДЕЛ/0! -0,9098 13,665

 

 

 

Уровень

 

 

 

 

 

 

 

 

 

 

значимости

 

#ДЕЛ/0!

 

 

#ДЕЛ/0!

 

 

 

31

 

t-критерия

 

0,0030

0,0022

0,3866

0,0000

 

32

 

 

 

 

 

 

 

 

 

 

 

 

Множественный

 

 

 

 

 

 

 

 

33

 

коэфф. корр. R

0,8778

 

 

 

 

 

 

 

 

Ч.с.с. диспер-

 

 

 

 

 

 

 

 

34

 

сии модели

3

 

 

 

 

 

 

 

 

Уровень

 

 

 

 

 

 

 

 

 

 

значимости

 

 

 

 

 

 

 

 

35

 

F-критерия

0,0031

 

 

 

 

 

 

36

 

 

 

 

 

 

 

 

 

 

 

 

Мин. станд.

-1,398

 

 

 

 

 

 

37

 

остаток

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Макс. станд.

 

 

 

 

 

 

 

 

38

 

остаток

1,849

 

 

 

 

 

Множественный коэффициент детерминации новой модели всего на 2,1 % меньше коэффициента модели со всеми факторами. Оста- точное стандартное отклонение уменьшилось, уменьшился уровень значимости F-критерия и уровни значимости двух значимых коэф- фициентов регрессии – Cr и Si. Следовательно, исключение факторов Ni и Mn было оправданным во всех отношениях. В модели остался еще один фактор с относительно высоким уровнем значимости t- критерия коэффициента регрессии С. Его также надо попытаться исключить из уравнения регрессии. После удаления фактора С полу- чим модель с характеристиками, приведенными в табл. 10.6.

81

 

 

 

 

 

 

 

 

 

 

 

 

Таблица 10.6

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

B

 

C

D

 

E

 

F

 

G

 

H

 

24

 

 

 

Ni

Cr

 

Si

 

Mn

 

С

0

 

 

 

Коэффициент

 

 

 

 

 

 

 

 

 

 

 

 

25

 

регрессии

0,0000

-0,2813

0,2382

0,0000

0,0000

56,6723

 

 

 

Станд. ошибка

 

 

 

 

 

 

 

 

 

 

 

 

26

 

коэфф. регр.

0,0000

0,0585

0,0550

0,0000

0,0000

1,7928

 

 

 

R2 и остаточное

 

 

 

 

#Н/Д

 

#Н/Д

 

#Н/Д

 

#Н/Д

 

27

 

станд. отклон.

0,7495

0,8714

 

 

 

 

 

 

 

F и ч.с.с.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

остаточной

 

 

 

 

 

 

 

 

 

 

 

 

28

 

дисперсии

14,9561

10

 

#Н/Д

 

#Н/Д

 

#Н/Д

 

#Н/Д

 

29

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

t-критерий

 

 

 

 

 

 

 

 

 

 

 

 

30

 

коэфф. регр. #ДЕЛ/0! -4,8101 4,3298 #ДЕЛ/0!

 

#ДЕЛ/0!

31,6110

 

 

 

Уровень

 

 

 

 

 

 

 

 

 

 

 

 

 

 

значимости

 

#ДЕЛ/0!

 

 

 

 

#ДЕЛ/0!

 

#ДЕЛ/0!

 

 

 

31

 

t-критерия

 

0,0007

0,0015

 

 

0,0000

 

32

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Множественный

 

 

 

 

 

 

 

 

 

 

 

 

33

 

коэфф. корр. R

0,8657

 

 

 

 

 

 

 

 

 

 

 

 

Ч.с.с.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

дисперсии мо-

 

 

 

 

 

 

 

 

 

 

 

 

34

 

дели

2

 

 

 

 

 

 

 

 

 

 

 

 

Уровень

 

 

 

 

 

 

 

 

 

 

 

 

 

 

значимости

 

 

 

 

 

 

 

 

 

 

 

 

35

 

F-критерия

0,0010

 

 

 

 

 

 

 

 

 

 

36

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Мин. станд.

-1,710

 

 

 

 

 

 

 

 

 

 

37

 

остаток

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Макс. станд.

 

 

 

 

 

 

 

 

 

 

 

 

38

 

остаток

2,072

 

 

 

 

 

 

 

 

 

В новой модели множественный коэффициент детерминации на 4,8 % меньше максимального, следовательно, она объясняет почти ту же долю общего разброса свойства, что и модель, включающая все фак- торы. Остаточное стандартное отклонение меньше, чем в предыдущей модели. Все коэффициенты регрессии значимо отличаются от нуля, причем уровни значимости их t-критериев весьма низкие. Дальнейшее исключение факторов приведет только к росту остаточного стандартно- го отклонения и ухудшению других характеристик модели. Максималь- ный и минимальный остатки не являются выбросами. В последней мо- дели сочетаются все критерии наилучшей модели.

Дополнительно построим графики (рис. 10.4–10.6).

82

 

62

 

 

 

 

 

 

 

61

 

 

 

 

 

 

 

60

 

 

 

 

 

 

Ψ

59

 

 

 

 

 

 

значения

 

 

 

 

 

 

58

 

 

 

 

 

 

 

 

 

 

 

 

 

Наблюдаемые

57

 

 

 

 

 

 

56

 

 

 

 

 

 

55

 

 

 

 

 

 

 

 

 

 

 

 

 

 

54

 

 

 

 

 

 

 

55

56

57

58

59

60

61

 

 

 

Предсказанные значения Ψ

 

 

Рис. 10.4. Диаграмма рассеяния предсказанные значения

наблюдаемые значения наилучшей модели

Остатки

2,0

1,5

1,0

0,5

0,0

–0,5

–1,0

–1,5

–2,0

55

56

57

58

59

60

61

Предсказанные значения Ψ

Рис. 10.5. Остатки в зависимости от предсказанных наилучшей

моделью значений

83

 

2,5

 

 

 

 

 

 

 

 

распределения

2,0

 

 

 

 

 

 

 

 

1,5

 

 

 

 

 

 

 

 

1,0

 

 

 

 

 

 

 

 

0,5

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

нормального

0,0

 

 

 

 

 

 

 

 

–0,5

 

 

 

 

 

 

 

 

–1,0

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Квантили

–1,5

 

 

 

 

 

 

 

 

–2,0

 

 

 

 

 

 

 

 

–2,5

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

–2,0

–1,5

–1,0

–0,5

0,0

0,5

1,0

1,5

2,0

 

 

 

 

 

Остатки

 

 

 

 

Рис. 10.6. Нормальный вероятностный график остатков наилучшей модели

На графике наблюдаемых значений в зависимости от предсказан- ных нет систематического отклонения точек от прямой, значит, нет необъясненных моделью закономерностей изменения относительно-

го сужения Ψ. На графике зависимости остатков от предсказанных значений нет трендов или других особенностей; остатки образуют случайную последовательность. Точки на нормальном вероятност- ном графике остатков тесно группируются около прямой, следова- тельно, распределение остатков близко к нормальному.

Выводы. Методом исключения факторов построена наилучшая линейная регрессионная модель зависимости относительного суже- ния от параметров химического состава стали 50А:

Ψ =56,67 +0,238 Si 0,281 Cr .

Из исходных данных исключено одно наблюдение как выброс. Множественный коэффициент детерминации модели R2 = 0,7495 , все

коэффициенты регрессии значимо отличаются от нуля. Из пяти иссле-

дованных параметров химического состава в границах варьирования исходных данных только Si и Cr значимо влияют на относительное су- жение. Увеличение концентрации кремния на 0,01 % приводит к росту относительного сужения в среднем на 0,24 %, увеличение концентрации хрома на 0,01 % приводит к снижению относительного сужения в сред-

84

нем на 0,28 %. Модель можно использовать для предсказания значений относительного сужения в зависимости от параметров химического со- става в границах варьирования факторов.

Задания для самостоятельной работы

Используя формулу (10.2), рассчитать стандартизованные коэф- фициенты регрессии. Оценить относительную силу влияния факто- ров.

Исключить из наилучшей модели любой из двух оставшихся фак- торов – Si или Cr. Убедиться, что все характеристики модели заметно ухудшатся.

85

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1.Мельниченко А.С. Анализ данных в материаловедении. – М.:

Изд. Дом МИСиС, 2013. – Ч. 1. – 72 с.

2.Мельниченко А.С. Статистический анализ в металлургии и

материаловедении. – М.: Изд. Дом МИСиС, 2009. – 268 с.

3. Дрейпер Н., Смит Г. Прикладной регрессионный анализ. – 2-е изд. – М.: Финансы и статистика, кн. 1, 1986. – 366 с.; кн. 2, 1987. – 351 с.; 3-е изд. – М.: Вильямс, 2007. – 912 с.

86

Учебное издание

Мельниченко Александр Семенович

АНАЛИЗ ДАННЫХ В МАТЕРИАЛОВЕДЕНИИ

Часть 2. Регрессионный анализ

Учебное пособие

Редактор И.Е. Оратовская

Компьютерная верстка И.В. Воловик

Подписано в печать 29.04.14

Бумага офсетная

 

Формат 60 × 90 1/16

Печать офсетная

Уч.-изд. л. 5.44

Рег. 488

Тираж 250 экз.

Заказ 4221

 

 

 

Национальный исследовательский технологический университет «МИСиС», 119049, Москва, Ленинский пр-т, 4

Издательский Дом МИСиС, 119049, Москва, Ленинский пр-т, 4

Тел. (495) 638-45-22

Отпечатано в типографии Издательского Дома МИСиС 119049, Москва, Ленинский пр-т, 4

Тел. (499) 236-76-17, тел./факс (499) 236-76-35

87

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]