求助，关于可靠性增长的几个疑问

刚开始做可靠性增长，参考的标准是《GJB Z77-95 可靠性增长管理手册》，有几点疑问，请各位同行指导或讨论
可靠性增长模型一般是AMSAA模型，在附录A中给出了可靠性增长计算的几个步骤，如下：
A1 模型概述
N(t)=at^b ln(N(t))=lna+blnt
A2.2 模型参数的点估计
形状参数的点估计b
尺度参数的点估计a
A2.3 参数检验
X2分布检验法
U检验法
A2.4 拟合优度检验
Cramer-Von Miser检验
图检验
A2.5 产品可靠性的增估计
A2.6 形状参数的区间估计
A2.7 MTBF的区间估计

对于上述过程有一些疑问：
[color=Red]疑问1、标准中A2.2计算参数点估计的方法是什么？极大似然法？还是最小二乘法发？没推导出来这个公式。
[color=Red]疑问2、标准中计算对模型进行参数检验和拟合优度检验，用的卡方检验和Cramer-Von Miser检验，为什么不用R-squire和P值检验？用R-squire和P值判断可以吗？这两种检验方法的原理有什么区别？
[color=Red]疑问3、我用minitab做回归分析，minitab用的应该是最小二乘发，拟合N(t)=at^b 如下

计算显示：
来源 自由度 SS MS F P
误差 26 38.5953 1.48444
失拟 25 38.0953 1.52381 3.05 0.428
纯误差 1 0.5000 0.50000
P值比较大，不满足假设的分布。

我再用minitab做回归分析，minitab用的应该是最小二乘发，拟合ln(N(t))=lna+blnt如下

计算显示：
S = 0.146452 R-Sq = 97.1% R-Sq（调整） = 97.0%
方差分析
来源 自由度 SS MS F P
回归 1 18.6968 18.6968 871.72 0.000
误差 26 0.5577 0.0214
合计 27 19.2545
P值很小，满足假设的分布。
[color=Red]为什么同样的数据，变换一下公式，就拟合效果更好了？
我可以用minitab的回归分析替代《GJB Z77-95 可靠性增长管理手册》中的点估计、参数检验、拟合优度检验不？主要是因为计算方便