品牌型号：微软 surface pro7

系统：Windows 10 64  位专业版

软件版本：JMP 18

当我们想要探寻两个变量之间的关系时，回归分析是一个很不错的选择，它可以将关系量化，并且探究这种影响是正面的还是负面的。同样，我们建立了可靠的回归模型之后，通过输入已知的自变量，可以借助模型预测未知的因变量。除此之外，线性回归还可以为推断因果关系提供强有力的证据，帮助我们控制其他因素的影响，从而看出某个因素的真实效应，那么JMP怎么进行回归分析，JMP回归分析结果该如何解读呢？下面就来为大家讲解有关的详细内容。

一、JMP怎么进行回归分析 

JMP是一个可视化的数据分析软件，不仅仅可以帮助我们完成数据的统计，同时还可以完成可视化的操作，完成可视化建模。给了我们很多模型选择，我们可以快速尝试不同的方法，对数据进行深入的探索和验证。

1、准备数据：直接将需要分析的数据拖入JMP软件就好。

2、在JMP的菜单栏中依次点击【分析】-【拟合模型】。

3、在拟合模型窗口中，将需要分析的主要变量拖入【Y】中，将其他辅助分析的变量添加进【构建模型效应】，可以根据自己的需求选择是否点击【交叉】。完成设置之后，点击【运行】就好。

二、JMP回归分析结果该如何解读

回归分析帮助我们了解变量之间的量化关系，利用这种关系进行进一步的预测和分析，JMP生成的回归分析报告很详细，或许新手会对此存在疑惑，下面就来为大家详细讲一下JMP回归分析结果该如何解读的内容。

1、回归系数。

这是回归分析中最直接的部分，它告诉我们X变化时，Y会如何变化。

正如此图中，估计值就代表着回归系数，数学含义是自变量变换一个单位之后，因变量会变化回归系数个单位。

截距则是代表所有自变量都为0时，因变量的预测值，不具有实际意义。

2、t统计量

用于检验某个自变量是否与因变量存在统计学上的显著关系，t的绝对值越大，就说明这个变量越显著。

3、p值

是判断结果是否”显著“的关键指标，p值越小，就说明变量之间的相关性越高，而只有小于0.01的时候，就有非常强的证据表明该自变量和因变量显著相关。

4、模型整体拟合优度

模型的整体拟合优度主要是看R方，R方也被称为决定系数，用于表示自变量能够解释因变量变异的百分比，范围是0到1之间，比如下图中，R方=0.0605，说明模型中的自变量共同解释了6%的变异，其他由未纳入模型的因素或是随机误差。

回归分析是数据分析中的重要模型，帮助我们初步探究变量之间的关系，以上就是JMP怎么进行回归分析，JMP回归分析结果该如何解读的相关内容，希望可以帮助到大家。