田间试验与统计方法11响应面设计PPT.ppt

第11 章 回归设计（响应面分析）及DESIGN-EXPERT优化BBD CCD;主要内容;11.1 回归设计概述 回归设计（也称为响应曲面设计），目的是寻找试验指标与各因子间的定量规律，考察的因子都是定量的 。 它是在多元线性回归的基础上用主动收集数据的方法获得具有较好性质的回归方程的一种试验设计方法。 ;11.1.1 多项式回归模型 在一些试验中希望建立指标y与各定量因子 （又称变量） 间相关关系的定量表达式，即回归方程，以便通过该回归方程找出使指标满足要求的各因子的范围 。 可以假定 y与 间有如下关系： 这里 是 的一个函数，常称为响应函数，其图形也称为响应曲面； 是随机误差，通常假定它服从均值为0，方差为 的正态分布。 在上述假定下， 可以看作为在给定 后指标的均值，即 ; 称z 的可能取值的空间为因子空间。我们的任务便是从因子空间中寻找一个点z0 使E(y)满足质量要求。 当f的函数形式已知时，可以通过最优化的方法去寻找z0 。在许多情况下f的形式并不知道，这时常常用一个多项式去逼近它，即假定： ;记随机变量的观察向量为 未知参数向量为 不可观察的随机误差向量为 结构矩阵 那么上述模型可以表示为： ; 2．回归系数的最小二乘估计 估计回归模型中回归系数的方法是最小二乘法。 记回归系数的最小二乘估计（LSE）为 ，应满足如下正规方程组： 当 存在时，最小二乘估计为 在求得了最小二乘估计后，可以写出回归方程： 今后称 为正规方程组的系数矩阵， 为正规方程组的常数项向量， 为相关矩阵。 在前述模型下，有 ;若记 ，那么 ; 3．对回归方程的显著性检验 对回归方程的显著性检验是指检验如下假设： H0： H1： 不全为0 检验方法是作方差分析。 记 则有平方和分解式 其中 为残差平方和，自由度为 为回归平方和，自由度为 当H0为真时，有 对于给定的显著性水平 ，拒绝域为 。 ; 若记p+1维向量 ，那么 ; 4．失拟检验 当在某些点有重复试验数据的话，可以在检验回归方程显著性之前，先对y 的期望是否是 的线性函数进行检验，这种检验称为失拟检验，它要检验如下假设： H0： H1： 当在 上有重复试验或观察时，将数据记为 其中至少有一个 ，记 。此时残差平方和可进一步分解为组内平方和与组间平方和，其中组内平方和就是误差平方和，记为 ，组间平方和称为失拟平方和，记为 ，即： ;; 5．对回归系数的显著性检验 当回归方程显著时，可进一步检验某个回归系数是否为0，也即检验如下假设： 此种检验应对j=1,2,…, p逐一进行。 常用的检验方法是t检验或等价的F检验，F检验统计量为： 其中 是 中的第j+1个对角元。