笔者上次针对JMP与Minitab在解决问题方面的对比分析，在此继续遵循这一原则，从另外一个常用统计工具“简单回归分析”的应用来再次比较JMP和Minitab到底孰优孰劣。

将相同的两列数据“X”和“Y”分别输入到最新版的JMP7和Minitab15中，想得到线性回归方程、含回归直线的散点图、回归检验报告以及回归直线的预测区间。

对比项目一：操作的便捷性。

JMP的操作路径为：主菜单Analyze > Fit Y By X，初始报告弹出菜单中的Fit Line，以及Linear Fit弹出报告中的Confid Curve Fit和Confid Curve Indiv等相关选项，得到的报表如图一所示；Minitab的操作路径为：主菜单Stat > Regression > Fitted Line Plot，Options中选择Display confidence interval和Displayprediction interval，得到的报告和图形经整合后如图二所示。操作实现的时间没有明显的差异，但JMP的操作模式让人意识到操作步骤之间层层递进的关系，逻辑性强，而Minitab的操作是靠用户用记忆力连接起来的一组相对独立的机械动作。

  

图一 JMP的输出结果

对比项目二：输出报表的整体效果。

JMP将统计分析结果和相关图形天然地整合在一起，用户查阅起来一目了然。而Minitab的统计分析结果显示在Session窗口，而相关图形又显示在另一个独立的Graph窗口中。如果分析的数据、内容、次数一多，Minitab就会显得麻烦一些。

对比项目三：统计分析的具体内容。

无论是回归方程的系数，还是R2、显著性检验P值等等，JMP和Minitab的输出结果都是一致的，这说明两种软件背后所遵循的统计原理其实都是一样的。如果观察得更仔细一些，你会发现JMP中的小数位保留得比Minitab更多，而且可以自定义，显得更精确、更专业一些。

图二 Minitab的输出结果

对比项目四：统计图形的效果。

在回归分析的早期，只需要观察最基本的散点图，JMP和Minitab的图形效果差不多。但是到了回归模型的预测应用阶段，置信区间的显示至关重要，JMP可以通过“区间阴影化”的方式加深用户对预测模型的理解。相比之下，Minitab就相形见拙了。

如果要比较边际图的效果，两者的差距就更大了。JMP只需在原有的报表基础上再选择Histogram Borders就能完成，结果如图三所示。它既保留了原先预测区间的特征，又能实现其中散点图与直方图之间的动态链接，Minitab则要重新从主菜单中选择Graph > Marginal Plot，重新在一个新的Graph窗口才能完成，结果如图四所示。而且可惜的是，原先预测区间的特征消失了，图形之间动态链接的效果更是从来都无法体现的。

对比项目五：统计分析的拓展性。

JMP和Minitab都考虑到了这一点，但无论是广度，还是深度来看，两者之间还是有些差异的。先看广度，除了两者都具备的功能外，JMP的回归报表中还整合了非参数拟合、样条拟合、分组拟合、特殊拟合和椭圆密度等丰富实用的内容。

即使是双方都涉及的内容，我们也可以挖掘其涉及的深度来观察两者的差别。以多项式回归为例，JMP最高可支持六次项，Minitab则为三次项。以保存数据为例，JMP能够保存残差值和预测值，而且能够保存预测公式。图示如下：

                                                               

图三 JMP的边际图

图四 Minitab的边际图

总结以上五项对比内容的结果，所有真正理解回归的人都会得到一个一致的结论：JMP在“简单回归分析”方面与Minitab大同小异，分析的结果是一模一样，JMP的图形效果教Minitab会更好一些，操作更加方便一些。

同样，笔者愿以此文抛砖引玉，希望有更多真正理解统计、需要统计来进行质量管理、六西格玛项目的爱好者来交流切磋，共同提高。