农机试验设计4 模型的适合性检验.ppt

第四节 模型的适合性检验 一、残差分析 二因素二次回归通用旋转组合设计表 m0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 9 10 11 12 13 mr 0 0 2 2 2 2 0 0 0 0 0 0 0 0 1.414 -1.414 1.414 -1.414 0 0 1 1 1 1 5 6 7 8 mc 1 1 1 1 1 1 1 1 1 -1 -1 1 1 -1 1 -1 1 1 -1 -1 1 1 1 1 1 2 3 4 z22 z12 z1z2 z2 z1 z0 试号 在二次通用旋转组合设计中，b0和bjj,bjj 间存在相关性，所以回归系数的计算、方差 分析及显著性检验和二次正交旋转组合设计 的不同，也不便在表上进行。 二、二次回归通用旋转组合设计的统计分析 (1).回归系数计算 . 0.25 0.125 0.125 0.0625 0.0625 0.03125 0.125 0.07322 0.07322 0.04167 0.04167 0.02309 0.01875 0.0068003 000.0028409 00.14375 0.06939 0.0702335 0.0349702 0.0340909 0.0170863 0.1 0.056792 0.0637968 0.0357142 0.0340909 0.019101 0.2 0.1663402 00.1428571 0.1590909 0.0987822 2 3 4(1/2) 4 5(1/2) 5 mc-1 e-1 G F -E K P (180页)4-4-10式的Lxx-1矩阵中的相应元素。 (2)回归的方差分析与拟合度检验 其中: * 设回归模型为 (i=1,2,…..n) 式中,β0 、βj 为参数,εi为独立的随 机误差,且均服从N(0,σ2). (1) 令: (i=1,2,…n) (3) ei--第i次观察残差。 ei是εi的估计。它能反映出εi的假定 性质,因此,如果ei符合εi假设,认为模型 是适合的，否则不适合，这就是残差分析 的基本点。 回归方程为 (2) b0 、bj分别是β0 、βj 最小二乘估计。 1.残差图分析 残差图---把n个观察点的 ,由小到大排序, 用它们作横坐标，用ei作纵坐标而作的平面散 点图。 如果ei符合εi假设，则ei和 顺序无关， 各散点应落在以e=0为中心的横带里,且无规律 分布。 如 0 e (a) 0 e (b) 0 e (c) 无规律,模型适合。 有规律,模型不适合。 离群值: 在残差图中远离其它残差分布的残差。如 一个或多个离群值会影响回归参数的估计， 因此对离群值必须认真判别，如果是过失造 成的，应剔除，如果离群值是研究所期望的 ，则可能是一种新发现，应进一步加以研究。 粗略判别离群值的方法: 令: ---标准化残差。 如果 即残差可能为离群值，相应的观察值可能是 异常值。 例1研究一个化学过程的转化作用(产率), 考察两个变量,反应物浓度x1和催化剂量x2,每 个变量取二个水平,x1,x2的下、上水平分别为 :15%和25%,1包和2包,为了提高试验的可靠 性，选用L12(211)的前两列来做x1和x2的一次 回归正交试验，且考虑x1x2交互作用。试验 结果与分析如下表所示。 试验安排、结果与分析. 10 0.833 8.33 -30 -2.5 75.0 50 4.167 208.33 327 27.25 Bj bj Uj 31 30 29 36 32 32 18 19 23 28 25 27 1 1 1 -1 -1 -1 -1 -1 -1 1 1 1 1 1 1 -1 -1 -1 1 1 1 -1 -1 -1 1 1 1 1 1 1 -1 -1 -1 -1 -1 -1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 3 4 5 6 7 8 9 10 11 12 yi z1z2 z2 z1 z0 序号 即回归方程为: 回归分析的方差分析表 323.00 11 总和 3.92 31.34 8 误差 F0.01(3,8)=7.59 24.801** 97.22 291.66 3 回归 F0.1(1,8)=3.46 2.125 8.33 8.33 1 Z1Z2 19.133** 75.0 75.0 1 Z2 F0.01(1,8)=11.26 53.145** 208.33 208.33 1 Z1 Fα F 均方MS 平方和S 自由度f 方差来源 1.833 0.833 -0.167 1.833