浅谈ANOVA一般线性模型(GLM)的高效应用

01开篇语 

因子的情况下，但通常在数据分析中，更多的是面临有多个自变量X即多因子Xs的情形，今天就给大家分享一种高效的、能同时分析多因子多水平的一般线性模型（GLM）的应用方法。

02一般线性模型

（GLM）的应用案例

分析影响客户满意度的温度和时间的配置问题：

1. 收集数据如下：

温度	时间	满意度评分结果
350	8	60
350	10	65
350	15	70
400	8	62
400	10	68
400	15	70
450	8	69
450	10	75
450	15	80
350	8	65
350	10	63
350	15	72
400	8	63
400	10	70
400	15	75
450	8	70
450	10	76
450	15	82
350	8	63
350	10	66
350	15	73
400	8	65
400	10	72
400	15	76
450	8	71
450	10	78
450	15	85

2.  运用GLM分析的重要步骤

Minitab软件操作路径：统计 → 方差分析 → 一般线性模型(GLM)

结论：“温度”和“时间”能够解释89.02%的满意度评分结果。

注意：需继续研究残差

上面四合一图形所示：

↖左上图：数据正态   

↗右上图：数据未呈现任何模式

↙左下图：数据呈现钟形图   

↘右下图：数据稳定

左上图和右下图的补充图示如下：

（↖左上图补充图）

（↘右下图补充图）

结论：残差没有问题，无须进一步探究。

3. 研究各单一因子的显著性

结论：“时间”能够解释42.35%，“温度”能够解释39.25%。

注意：继续研究残差（无异常，略）。

4. 通过描述性统计评估最好的因子配置

Minitab软件操作路径：统计 → 表格 → 描述性统计

结论：在“时间”为“15”，“温度”为“450”的配置下，继续优化，提高顾客满意度的评分结果。