四种回归设计方法的比较解析.docVIP

四种回归设计方法比较表 试验设计方法 一次回归正交 二次回归正交 二次回归正交旋转 二次回归通用旋转 特 点 正 交 性 在p维因素空间内，如果试验方案使所有j个因素的不同水平xij 满足: 则该方案具有正交性。则，一次回归正交、二次回归正交，及二次回归正交旋转试验均具有正交性，具有以下特点： 利用正交试验设计安排试验，运用回归分析方法处理数据； 减少试验次数，适用于因素水平不太多的多因素试验； “均匀分散，整齐可比”； 由于试验设计的正交性，消除回归系数之间的相关性，使其具有独立性。 注：二次回归正交旋转中，由公式计算出m0为整数时，则旋转组合设计是完全正交的；当m0不为整数时，则旋转组合设计是近似正交的。 一次项系数bj与交互项系数bij具有正交性，但常数项b0与平方项回归系数bjj，以及各平方项回归系数bjj之间均存在相关，因此不具有正交性。 旋 转 性 具有旋转性 无 具有旋转性 （在p维因素空间中，若使用方案使得试验指标预测值 ? 的预测方差仅与试验点到试验中心的距离 ρ 有关，而与方向无关，因此具有旋转性。） 通 用 性 无 具有通用性 （各试验点与中心的距离ρ在因子空间编码值区间0 ρ 1范围内，其预测值 ? 的方差基本相等，即具有通用性。） 优 点 科学地安排实验，用最少的试验次数，获得最全面的试验信息，并对试验结果进行科学分析，从而得到最佳实验条件，迅速建立经验公式，简化计算。 1.中心点试验次数m0有所减少。 2.试验方案具有通用性与旋转性。 消除回归系数之间的相关性，使其具有独立性，剔除回归方程某一变量时，其余变量的回归系数不变。 可直接比较各点预测值的好坏，找出预测值相对较优的区域； 2.有助于寻找最优生产的过程中排除误差的干扰。 缺 点 只适用于因素水平不太多的多因素试验，且水平数一般不大于3； 2.适用性具有局限，一次回归方程经检验可能在区域内部拟合不好。 试验指标预测值 ? 的方差依靠试验点在p维空间的位置，影响不同回归值之间的直接比较。 1.中心试验次数明显增加，对于试验费用昂贵或试验数据难以取得的研究不利。 2.在不同半径球面上各试验点的预测值 ? 的方差不等，不便于比较。 常数项b0与平方项回归系数bjj、以及各平方项回归系数bjj 存在相关，牺牲了部分正交性而达到一致精度的要求。 因 素 水 平 编 码 试验次数N N(不包括零水平试验次数) m0根据试验设计需求而定 m0由公式求得 m0查相关工具表或由公式求得 确定星号臂r 无 中心化处理 无 无 编 码 公 式 回 归 方 程 的 计 算 回 归 系 数 计 算 其中， 其中， 其中， K、E、F、G……可通过均匀二次回归旋 转设计表查得，也可通过公式求得。 回 归 方 程 的 确 定 ， 其中，带入上式，得： 回 归 方 程 及 其 系 数 的 检 验 总偏差平方和及总自由度 回归偏差平方和及其自由度 注：通过Se求解SQ 剩余偏差平方和及其自由度 显著性检验 , 表明回归方程在 α 平上显著。 回归系数的显著性检验 , 表明该因素的回归系数在 α 水平上显著；反之，则表明该因素的回归系数在 α 水平上不显著。 也可采用F检验。 失 拟 性 检 验 用t检验法： 若t tα(fe，f0)，则认为系数b0与无显著差异，说明回归方程在被研究区域中心拟合很好；若t tα(fe，f0)，则表明区域中心拟合情况不符，则需要考虑在回归方程中引入二次或高次项。 采用F检验： 若F Fα(fi，f误)，表示回归方程不失拟，拟合效果好，具有预测意义；若F Fα(fi，f误)，表示回归方程失拟，拟合效果不好。 注 意 事 项 1.零水平试验需不小于3次，使得回归方程的失拟检验时具有足够的灵敏度。 零水平试验次数必须根据公式求得或通过查询相关使用表而得，不得随意选择。 2. N不包括零水平试验次数 N包括零水平试验次数 3.回归系数经F检验不显著的因素，可同时剔除，其余因素回归系数不受影响。 若系数检验不显著，二次项和常数项一次只能剔除一项，但一次项和交互项可以直接一次性剔除，剔除后需重新建立回归方程并检验。 4.先对回归方程进行F检验，剔除不显著项后，再对方程用编码公式进行回代。 5.正交设计求得的回归方程中，回归系数的绝对值大小反应了对应变量在回归方程中的作用大小。 结果与讨论 对回归方程预测值 ?(x) 和 ?(z) 进行比较，以检验回归方程回代过程是否正确。 2.对试验结果y、回归方程预测值 ?(z) 和论文中回归方程预测值 ?(z) 进行比较