发布时间 : 星期一 文章minitab正交分析、响应分析更新完毕开始阅读827039fc178884868762caaedd3383c4bb4cb4be
强度 残差图正态概率图9990105与拟合值百分比50101-10-50残差510残差0-5520540拟合值560580直方图4.83.6105与顺序频率2.41.2残差-6-4-20残差24680-50.024681012观测值顺序141618残差与 加热温度（响应为 强度）残差与 加热时间（响应为 强度）5.02.50.0残差5.02.50.0残差-2.5-5.0-7.5-10.0820830-2.5-5.0-7.5-10.0 （响应为 强度）840加热温度8508602.02.22.4加热时间2.62.83.0 残差与 保温时间（响应为 强度） 残差与 转换时间5.02.50.0残差5.02.50.0残差-2.5-5.0-7.5-10.01.401.451.50转换时间1.551.60-2.5-5.0-7.5-10.0505254保温时间565860 从上面这些图可以看到，这些图形都显示残差是正常的。 步骤4：判断模型是否需要改进
这一步需要综合前面的分析：包括残差诊断和显著性分析。从上面的分析我们得知，在模型中包含不显著项，应该予以删除，所以需要建立新的模型。
选择[统计]=>[DOE]=>[因子]=>[分析因子设计]，打开分析因子设计对话框。主要是修改“项”选项中的设置，在选取的项中将加热温度、加热时间和保温时间保留，其他项皆删去，操作中的其余各项都保持不变。单节确定。
结果如下：
拟合因子: 强度 与 加热温度, 加热时间, 保温时间 强度 的估计效应和系数（已编码单位）
系数标
项 效应 系数 准误 T P 常量 541.319 1.363 397.27 0.000 加热温度 20.038 10.019 1.363 7.35 0.000 加热时间 16.887 8.444 1.363 6.20 0.000 保温时间 11.112 5.556 1.363 4.08 0.001 加热时间*保温时间 7.113 3.556 1.363 2.61 0.022 Ct Pt 1.981 3.429 0.58 0.573
S = 5.45038 PRESS = 724.350
R-Sq = 89.94% R-Sq（预测） = 81.13% R-Sq（调整） = 86.07%
强度 的方差分析（已编码单位）
来源 自由度 Seq SS Adj SS Adj MS F P 主效应 3 3240.71 3240.71 1080.24 36.36 0.000 2因子交互作用 1 202.35 202.35 202.35 6.81 0.022 弯曲 1 9.92 9.92 9.92 0.33 0.573 残差误差 13 386.19 386.19 29.71
失拟 3 151.52 151.52 50.51 2.15 0.157 纯误差 10 234.67 234.67 23.47 合计 18 3839.16
强度 的估计系数（使用未编码单位的数据）
项 系数 常量 212.788 加热温度 0.500938 加热时间 -61.3500 保温时间 -2.44500 加热时间*保温时间 1.42250 Ct Pt 1.98125
结果分析：
从方差分析表中可以看到，主效应和2阶交互作用对应的概率都小于显著性水平0.05，应该拒绝原假设，认为本，本模型总的来说是有效的；失拟值和弯曲对应的概率分别为0.157和0.573，都大于显著性水平，不应拒绝原假设，说明本模型删除了很多项之后，并没有造成失拟的现象。
再看删减后的模型是否比原来的有所改进。从上述表中，可以看到，由于模型的项数减少了6项，R-Sq通常都会有微小的降低（本例由0.9249降到0.8968），但关键还是要看调整的R-Sq（调整）是否有所提高，本例中，该值从0.8311提高到0.8673，可见删除不显著的效应之后，回归的效果明显好了；而s的值有6.00146降为5.31913，PRESS由1778.45降到704.408，再次证明删除不明显的主效应和交互效应后，回归的结果更好了。 步骤5：对选定的模型进行分析解释
经过前三步的多次反复以后，我们可以获得一个满意的回归方程：
y?212.788?0.5009*A?61.35*B?2.445*D?1.4225*BD
对选定的模型进行分析，主要是在拟合选定模型后输出更多的图形和信息，并做出有意义的解释。主要包括下面四个方面：
（1）再次进行残差诊断。
具体做法是：选择[统计]=>[DOE]=>[因子]=>[分析因子设计]，打开分析因子设计对话框。点击“图形”窗口后，在“图中的残差”中选择“标准化”，在“残差图”中，在单独视图下选择“直方图”，单击确定。点击“存储”窗口后，在拟合值与残差中，选择“标准化残差”和“删后”。单击确定。
结果如下：
直方图（响应为 强度）43频率210-2.0-1.5-1.0-0.50.0标准化残差0.51.01.5 从得出的直方图可知，残差及所有残差数据都是正常的。 （2）确认主效应及交互作用的显著性，并考虑最优设置
通过输出各因子的主效应图和交互效应图来判定。具体做法是：选择[统计]=>[DOE]=>[因子]=>[因子图]，打开因子图对话框。选定“主效应图”和“交互作用图”，在图中使用的均值类型中选择“数据均值”。在主效应图的设置中，将“强度”选入到响应中，将可用中的所有项选入所选中；在交互作用图的设置中，重复前面主效应图设置的步骤。单击确定。