1、在电脑桌面上找到如下图所示红色框处的图标，用鼠标左键双击，打开它。
2、打开软件之后，我们把鼠标移动到文件菜单上，左键单击文件件菜单，然后找到“打开工作表”菜单，左键单击打开它。
3、在寻找范围栏上点击向下按扭，找到Minitab安装目录下的样本数据目录，然后在文件名称栏内输入"葡萄酒芳香度.MTW",左键单击打开按扭
4、左键选择统计菜单栏 ---> 回归---> 偏最小二乘。
5、左键单击响应对话框，然后左键双击左侧的芳香度，把芳香度输入到如图所示处，接下来在模型中，输入 Cd-K Cd*Mo Cd*Mn Cd*Ni Cd*Cu Cd*Al Cd*Ba C颊俄岿髭d*Cr Cd*Sr Cd*Pb Cd*B Cd*Mg Cd*Si Cd*Na Cd*Ca Cd*P Cd*K，然后左键单选项。
6、在交叉验证中，选择逐一剔除法，然后左键单击确定。
7、在键单击图形，然后左键勾选中模型选择图、响应图、标准系数图、距离图、残差与杠杆率和载荷图。取消选中系数图，然后在每个对话框中左键单击确定。
8、我们得出以下结果：
9、解释结果会话窗口输出· 此方法表指出了 怡觎现喾Minitab 计算的分量数和作为最优模型选择的分量数。可将最优模型定义为具有最高预测 R2 的模型。Min足毂忍珩itab 选择了四分量模型作为最优模型，预测的 R2 为 0.56。· Minitab 基于最优模型对每个响应显示一个方差分析表 。芳香度的 p 值 为 0.000，小于 alpha 值 0.05，从而为此四分量模型的显著 性提供了足够的证据。· 使用“模型选择”和“验证表”选择模型的最优分量数。取决于数据或所研究的领域，您可能会发现由交叉验证所选择之外的模型更合适。由交叉验证选择的四分量模型的 R2 为 83.8%，预测的 R2 为 55.9%。· X 方差 表明预测变量中由模型解释的方差量。在本例中，四分量模型解释了预测变量中 59.4% 的方差。图形窗口输出·模型选择图是“模型选择”和“验证表”的图形化显示。垂直线表明最优模型有四个分量。您也可以看到具有多于四个分量的所有模型的预测能力将显著降低。·响应图表明，由于这些点从左下角到右上角呈线性模式，因此，模型与数据充分拟合。尽管拟合响应 与交叉验证拟合响应 之间存在差异，但其中没有一个严重到足以表明极端的杠杆率 点。· 系数图显示预测变量的标准化系数 。您可以使用此图解释系数的量值和符号。元素 Mo、Cu、Sr、Pb、B、Ca、Cd*Sr 和 Cd*B 的标准化系数最大，因此对芳香度的影响也最大。元素 Mo、Pb、B 和 Cd*B 与芳香度正相关，而 Cu、Sr、Ca 和 Cd*Sr 为负相关。·载荷图比较各个预测变量对响应的相对影响。在本例中，Cu 和 Ni 的线条很短，表明它们的 x 载荷 很小，且与芳香度无关。元素 Sr、Mg 和 Ba 的线条很长，表明它们的载荷较高，且与芳香度更加相关。· 距离图和残差与杠杆率图显示异常值 和杠杆率。通过刷抹距离图，您可以发现与数据的其他部分相比：- 观测值 14 和 32 在 Y 轴上的距离值较大- 第 1 行和第 37 行中的观测值在 X 轴上的距离值较大残差与杠杆率图表明：- 由于观测值 3 在水平参考线之外，因此，观测值 3 是一个异常值- 观测值 5、12、14、23 和 37 具有杠杆率极值，因为它们位于垂直参考线的右侧
