第五章回归设计概要.ppt

2.试验设计与结果 3.模型检验 4.参数估计及其检验 5.去掉不显著的项重新回归——模型检验 6. 重新回归后——参数估计 7. 回归方程及其驻点 8. 岭脊分析 8. 岭脊分析（续） 2．对回归方程的检验 总平方和： 残差平方和： 回归平方和： 各自由度分别为： 由于在中心点有m0次重复试验，因此还可将SE分解为： 其自由度分别为： 先检验模型的合适性，即失拟检验： 当模型合适时，再检验方程的显著性： 3．对回归系数的显著性检验 各项的回归平方和及σ2的估计，如下： 检验各项回归系数的统计量依次为： 如果有不显著的项，要删去该项，一次只能剔除一项，由于这里不是正交设计，所以回归系数间具有相关性，删除一个变量后，回归系数需要重新计算。 由于求回归系数的正规方程组的系数矩阵阶数较高，求逆矩阵相当麻烦，通常将这项工作交给计算机协助完成。 统计分析方法和前述一样，用反应面回归分析。 5.5.6 二次通用旋转设计实例 例5.5.1 某三因子（x1,x2,x3）优化试验，试验指标Y具有望大特性，采用二次通用旋转设计，查表得到γ=1.682,n=20，各因子的水平编码见下表。 1. 因子水平编码表 0 20 30 -γ 60.83 40.27 40.14 - 1 150 70 55 0 239.17 99.73 69.86 1 300 120 80 +γ x3 x2 x1 因子 编码 53.6 0 0 1.6818 10 28.4 0 0 -1.6818 9 48.5 1 1 1 8 24.2 -1 1 1 7 72.0 1 -1 1 6 43.5 -1 -1 1 5 32.2 1 1 -1 4 15.9 -1 1 -1 3 45.3 1 -1 -1 2 30.4 -1 -1 -1 1 Y1 X3 X2 X1 NO 44.0 0 0 0 20 42.3 0 0 0 19 43.6 0 0 0 18 43.5 0 0 0 17 42.0 0 0 0 16 43.3 0 0 0 15 52.1 1.6818 0 0 14 14.3 -1.6818 0 0 13 29.1 0 1.6818 0 12 56.8 0 -1.6818 0 11 Y1 X3 X2 X1 NO P F MS SS DF Source 3707.65 19 Total 0.621667 3.108333 5 Pure Error 0.1633 2.553467 1.587405 7.937027 5 Lack of fit 1.104536 11.04536 10 Error 0.0001 26.61147 29.39333 88.18 3 Cross Product 0.0001 53.35381 58.93121 176.7936 3 Quadratic 0.0001 1035.618 1143.877 3431.631 3 Linear 0.0001 371.861 410.7338 3696.605 9 Model 0.0001 -12.5144 0.276846 -3.46457 X3*X3 0.368422 -0.94194 0.371574 -0.35 X2*X3 0.951088 -0.0629 0.276846 -0.01741 X2*X2 0.0001 7.266392 0.371574 2.7 X1*X3 0.000455 -5.11339 0.371574 -1.9 X1*X2 0.028705 -2.55323 0.276846 -0.70685 X1*X1 0.0001 37.99602 0.28439 10.8057 X3 0.0001 -30.1209 0.28439 -8.56608 X2 0.0001 27.49346 0.28439 7.818874 X1 Pr |t| t Std Err Estimate Term 3707.65 19 Total 0.621667 3.108333 5 (Pure Error) 0.223309 2.05011 1.274485 8.921397 7 (Lack of fit) 1.002478 12.02973 12 Error 0.0001 526.641 527.9458 3695.62 7 Model Pr F F MS SS DF Source 0.0001 -13.1947 0.262443 -3.46285 X3*X