StatAdvisor™。StatAdvisor使得可能不是专业统计人员的个人可以理解统计输出。它解释了从每个输出表中获得的关键见解，解释了结果的重要性（或缺乏）。StatAdvisor输出非常适合粘贴到报告中以传播给其他人。
8、对过程能力分析程序进行了大量改进，以实施Neil W. Polhemus博士在新书中描述的方法，过程能力分析：估算质量将由Chapman和Hall / CRC出版社于2017年12月出版。
新功能和增强功能
1、属性能力分析Statlet
此Statlet使用属性数据执行功能分析。如果一个项目可能有多个不合格，则数据可能包含样本中不合格项目的数量或不合格的总数。该分析基于二项式或泊松分布.Statlet将计算参数估计和置信限度或上置信界，能力指数（在最佳估计和上限）和DPM（每百万缺陷）。分析可以基于经典或贝叶斯方法。
2、大数据
为了处理大数据，已经开发了一种称为Statgraphics Big Data文件的特殊文件类型。这些文件的扩展名为.sgb而不是.sgd。它们与标准Statgraphics数据文件有两种不同的区别：
它们以二进制格式而不是文本存储数字数据。这避免了在将每个数据值读入程序时将其转换为数字的步骤。
数据按列而不是逐行存储。这可以显着缩短将各列读入内存时的执行时间。
使用SGB文件，Statgraphics能够分析由数百万条记录和数千列组成的数据集。SGB文件只能由64位版本的Statgraphics 18访问。
3、双变量密度小数
所述 乙 ivariate密度Statlet 显示数字数据的2列所估计的密度函数。它使用二维等高线图或三维频率直方图。2个变量的联合分布可以假设为多元正态或使用非参数方法估计。
4、蝴蝶情节
的蝴蝶剧情 进行比较的属性数据的2个样本。它由2组条形组成，显示每组样品的频率分布。
5、能力控制图表
该程序构建用于监测能力指数的阶段II统计过程控制图，例如C p 和C pk。鉴于一个过程被认为能够满足基于可变数据分析的规定要求，这些图表监控持续符合这些要求。
6、能力控制图设计Statlet
这个新的Statlet帮助分析师确定构建能力控制图时应该有多大的样本。能力控制图表监控已显示稳定且能够产生产生少量不合格的结果的过程。7
7、分类和回归树
的分类和回归树过程实现机器学习过程来预测从数据观测。它创建了两种形式的模型：分类模型和回归模型。通过创建树来构建模型，其中每个节点对应于二元决策。鉴于一个特定的观察，一个人沿着树枝向下行进，直到找到终止叶子。树的每个叶子与预测的类或值相关联。
8、最终筛选设计
实验设计向导中增加了一种新型实验设计。被称为最终筛选设计的这些设计是小型设计，能够估计涉及线性和二次效应的模型，尽管二阶相互作用部分地与它们自身和二次效应混淆。此外，6个或更多因素的设计会陷入设计中，这些设计可以估计任何3个因子的完整二阶模型（包括相互作用）。
9、人口统计地图展示台
此新Statlet旨在说明位置统计信息随时间的变化。在p时间段期间给定k个位置中的每一个处的数据，程序生成动态显示，其示出了数据在每个位置处的变化。使用气泡绘制每个位置的数据，气泡的大小与观察到的数据值成比例。SHP文件现在也可用于绘制边界。看视频
10、钻石图
该钻石绘图过程创建用于示出一个单一的定量变量的曲线图Ñ具有用于总体平均值的置信区间一起样本观测。一个单独的程序绘制了多个菱形图以用于分组数据。看视频
11、任意截尾数据的分布拟合
该程序分析其中一个或多个观察结果未确切知道的数据。特别是，观察可能是右删失，左删失，间隔删失或所有三种类型的组合。该过程计算摘要统计，拟合分布，创建图形，并计算生存函数的非参数估计。看视频
12、甜甜圈图
圆环图是饼图的替代品。除了中心被移除之外，它类似于饼图。看视频
13、等效性和非劣效性测试
添加了四个新程序来证明等效性（双面）或非劣效性（单侧）。它们用于比较2个独立均值，比较2个配对均值，将单个均值与目标值进行比较，并分析2x2交叉研究的结果。与旨在证明一种方法优于另一种方法的标准假设检验不同，等效检验旨在证明两种方法具有基本相同的均值。观看视频第1 部分：2独立样本，第2部分：2x2交叉研究
14、热图
该 程序显示了两个分类因子的所有组合的定量变量的分布。如果2个因子中的一个代表时间，则可以使用地图轻松查看变量的演变。梯度色标用于表示定量变量的值。看视频
15、Likert Plot
该李克特绘图程序分析记录在李克特量表数据。李克特量表通常用于调查研究，以记录用户对陈述的反应。典型的5级李克特量表可能会对用户的反应进行编码，从强烈不同意到强烈同意。此分析计算汇总统计数据并使用分散的堆叠条形图显示结果。看视频
16、蒙特卡罗模拟 - 灵敏度龙卷风图
该图显示了每个输入变量在响应超过其概率分布的指定百分比时的响应，其中所有其他变量保持在其中值。变量按其整体效果从上到下排序。看视频
17、多维缩放
的多维尺度过程被设计成在低维空间中显示多变量数据。给定每对n个多变量观测值之间的n × n矩阵，该过程搜索那些观察的低维表示，以保持它们之间的距离以及可能的距离。主要输出是低维空间中的点的映射（通常为2或3维）。使用“cmdscale”和“isoMDS”函数由R执行计算。看视频
18、多元正态随机数
此过程从涉及多达12个变量的多元正态分布生成随机数。用户输入可变装置，标准偏差和相关矩阵。生成随机样本，可以将其保存到Statgraphics数据手册中。看视频
19、多变量正态性检验
此过程测试一组随机变量是否可以合理地来自多元正态分布。它包括Royston的H检验和基于每个观察距样本质心的平方距离的卡方图的测试。看视频
20、多变量容差限制
所述多元公差极限过程创建用于包含一个以上的变量的数据统计公差极限。它包括一个容差区域，该区域以100（1- a）％置信度限制选定的p％人口。它还包括使用Bonferroni方法对每个变量的联合同时容差限制。假设数据是来自多变量正态分布的随机样本。通常将多变量容差限制与多个变量的规范进行比较，以确定大多数人口是否在规范内。看视频
21、正交回归
该 程序旨在构建一个统计模型，描述单个定量因子X对因变量Y的影响，同时观察到X和Y都有误差。27种线性和非线性模型中的任何一种都可以适合。看视频
22、人口金字塔Statlet
的人口金字塔Statlet被设计成人口计数（或类似的值）的分布2组之间进行比较。它可以用于在单个时间点显示该分布，或者它可以以动态方式显示随时间的变化。看视频
23、丝带情节
这种用于显示响应表面的新方法已添加到各种程序中，包括 DOE向导。看视频
24、向日葵情节小报
的向日葵剧情Statlet用于显示的XY散点图时观测值的数目是大的。为了避免过度绘制具有大量数据的点符号的问题，使用向日葵形状的字形来显示XY空间的小区域中的观察数量。看视频
25、文本挖掘
新的对话框驱动过程使用Statgraphics到R接口来实现使用tm库的文本挖掘。您可以从多个文本文档中提取信息，或分析已加载到Statgraphics数据表中的字符数据列。看视频
26、时间序列基线图
此过程按顺序绘制时间序列，标识超出下限和/或上限的点。它被广泛用于绘制月度数据，如OceanicNiñoIndex。看视频
27、龙卷风剧情
的龙卷风剧情 进行比较的属性数据的2个样本。它由2组条形组成，显示每组样品的频率分布。看视频
28、三变量密度Statlet
的 三变量密度Statlet 显示数值数据的3列所估计的密度函数。它使用三维等高线图或三维网格图来实现。3个变量的联合分布可以假设为多元正态或使用非参数方法估计。看视频
29、小提琴剧情
的小提琴剧情Statlet用于使用盒须图和非参数密度估计的组合的单一定量样品显示数据。对于数据来自的群体可视化概率密度函数的形状非常有用。 一个单独的程序绘制了多个小提琴图，用于分组数据。看视频
30、风玫瑰Statlet
在风中玫瑰Statlet显示上的圆形标绘数据，描绘诸如风速和风向的变量的频率分布。它可以用于在单个时间点显示分布，或者它可以以动态方式显示随时间的变化。看视频
31、X-13ARIMA-席位
该程序使用美国人口普查局目前采用的程序对时间序列数据进行季节性调整。作为程序的一部分，时间序列被分解为3个部分：趋势周期，季节性和随机性。每个组件可以单独绘制或保存，以及季节性调整的数据。季节性调整计算由R中的“季节性”包执行。
使用说明
一、因子重复测量方差分析
1、功能
因子重复测量ANOVA程序分析实验设计，其中对相同的受试者进行了多次测量，并且其中多个因素区分受试者。在许多情况下，依次进行测量以检查受试者之间因素的影响如何随时间变化。对特定程序的需求源于对特定主题的观察之间的潜在依赖性。
该程序包括Mauchley的球形测试，这是一个条件，要求任何两个估计的治疗方法之间的差异是相同的。对于不存在球形的情况，包括对标准F检验的校正。
该程序假定：
存在一个或多个主体间因素和单个主体内因子，所有因素都具有固定效果并且以因子设计排列。
将相同数量的受试者分配给受试者之间因素的每个组合。
每个受试者在受试者内因子的每个水平上进行测量。
2、表
分析摘要�总结了样本量和范围。
球形测试和调整-测试球形度，并在必要时提供调整测试。
均值表�显示具有区间估计的水平均值。
多范围测试�使用各种多样本比较程序比较水平平均值。
交互分析-显示一个主体间因子和一个主体内因子的所有组合的平均响应。
趋势分析-使用正交多项式将均值模式分解为线性，二次，三次和更高阶分量。
报告-显示已观察或新病例的预测。
异常残差-显示具有异常大残差的行。
3、图表
ProfilePlot-显示每个主题的重复测量。
平均值�显示具有不确定区间的水平平均值。
交互作用图-绘制任何2个主体间或主体内因素的所有组合的平均响应。
观察与预测-绘制观察到的Y与预测的Y.
剩余图-绘制残差与因子水平，预测值和行数的关系图。
4、菜单位置
标准：比较�方差分析-重复测量设计
六西格玛：改进V差异分析-重复措施设计
二、因子重复测量-分析选项
响应：绘制响应变量时使用的标签。
受试者内因子：用于识别不同样本的标签。
因子：要对其标签进行重新排序的因子。
因子级别：拖动标签以更改其顺序。
三、因子重复测量-数据输入
第一个对话框指定数据的结构：
多个数据列：表示每个样本已放入单独的列中。
数据和代码列：表示所有观察已放入单个列，第二列指示每个观察属于哪个样本。
第二个对话框取决于数据结构。如果每个样本都在一个单独的列中：
响应：包含测量值的两个或多个数字列，每个样本一列。
主体间因子1：数字或非数字列，包含因主体而异的因子水平。
主体间因子2：可选的数字或非数字列，包含受试者之间不同的第二个因子的水平。
主题：标识主题的数字或非数字列。
选择：子集选择。
如果所有样本都在一列中：
响应：包含所有受试者观察结果的数字列。
主体间因子1：数字或非数字列，包含因主体而异的因子水平。
主体间因子2：可选的数字或非数字列，包含受试者之间不同的第二个因子的水平。
主题内因子：数字或非数字列，用于标识定义重复因子的级别。
主题：标识主题的数字或非数字列。
选择：子集选择。
四、因子重复测量-交互分析选项
方法：用于比较均值的方法。请参阅上面的多范围测试下的讨论。
受试者之间因素：要包括在表格中的受试者之间的因素。
置信水平：LSD程序的置信水平。
五、因子重复测量-交互图选项
交互：要绘制的交互。
轴上的绘图：要在X轴上显示的交互因子。另一个因素将用于定义线条。
六、因子重复测量-残差图选项
Plot：要绘制的残差类型：
残差�最小二乘拟合的残差。
学生化残差�观察值yi与预测值之间的差异图像\ebx_501640714.gif当使用除第i个以外的所有观察值拟合模型时，除以它们的估计标准误差。这些残差有时被称为外部删除残差，因为它们使用除了所考虑的点之外的所有数据来拟合该模型拟合时每个值与拟合模型的距离。这很重要，因为一个大的异常值可能会对模型造成太大的影响，以至于它看起来不会远离线路。
类型：要创建的绘图类型。Scatterplot用于测试曲率。正态概率图用于确定模型残差是否来自正态分布。自相关函数用于测试连续残差之间的依赖性。
PlotVersus：对于Scatterplot，在水平轴上绘制的数量。
滞后数：对于自相关函数，最大滞后数。对于小数据集，绘制的滞后数可能小于该值。
置信度：对于自相关函数，用于创建概率限制的级别。
七、因子重复测量-多范围测试选项
类型：要创建的对比类型。
因素：要分析的因素。
方法：用于进行多重比较的方法。
控制级别：如果“类型”设置为“对比控制”，则将比较所有其他级别的级别数。
置信水平：所选多重比较程序使用的置信水平。
可用的方法是：
LSD-使用Studentt分布在所选置信水平上形成每对均值的置信区间。这个程序是由Fisher引起的，被称为最小显着差异程序，因为限制的大小表明任何两个可以声明代表统计上显着差异的平均值之间的最小差异。只有当ANOVA表中的F检验表明水平平均值之间存在显着差异时，才应使用它。产生I类错误的概率a分别适用于每对装置。如果进行多次比较，那么当它们不是时，调用至少一对平均值的总体概率可能比a大得多。
TukeyHSD-扩大间隔以允许使用Tukey的T.Tukey在所有对方式之间进行多次比较，称为他的程序是“诚实显着性差异”程序，因为它控制了实验范围内的错误率。如果所有均值相等，则在整个实验中声明任何对的显着不同的概率等于a。Tukey的程序比Fisher的LSD程序更为保守，因为它使得声明任何特定的手段变得更加困难变得更加困难。
Scheffe-旨在允许估计样本均值中的所有可能的对比（不仅仅是成对比较）。
Bonferroni-旨在允许估计任何预选数量的对比。在进行所有成对比较时，这些限制通常比Tukey的限制更宽。可用的方法是：
多变量t�设计用于平均无关的平均组合。
Student-Newman-Keuls-与以前的方法不同，此方法不会为成对差异创建间隔。相反，它按递增顺序对均值进行排序，然后根据学生化范围分布的值开始将它们分成组。最终，手段被分成均匀的组，其中没有显着差异。
Duncan-类似于Student-Newman-Keuls程序，不同之处在于它在定义同质组时使用了学生化范围分布的不同临界值。Milliken和Johnson（1992）对Duncan和Student-Newman-Keuls程序进行了详细讨论。
Dunnett�设计用于当一个级别是对照时的成对比较。
