响应面法和实验设计软件Minitab与DesignExpert简介.pptVIP

Minitab中响应面法的应用简介 全因子中心复合试验（无区组） 1/2实施中心复合试验（无区组） 试验 因素数 试验总次数 工作表数据 是编码值 输入高低水平的实际值 选入A、B、C三个因素 编码值与实际值 选择编码值 选择线性回归 分析响应曲面设计 Source DF Seq SS Adj SS Adj MS F P Regression 3 7.789 7.789 2.5962 1.08 0.387 Linear 3 7.789 7.789 2.5962 1.08 0.387 Residual Error 16 38.597 38.597 2.4123 Lack-of-Fit 11 36.057 36.057 3.2779 6.45 0.026 Pure Error 5 2.540 2.540 0.5079 Total 19 46.385 S = 1.553 R-Sq = 16.8% R-Sq(adj) = 1.2% 输出结果：线性回归方差分析表 此值很小说明线性回归效果不好 此值小于0.05时表示线性回归模型不正确 此值大于0.05时表示回归的效果不显著 线性回归结果 Source DF Seq SS Adj SS Adj MS F P Regression 9 36.465 36.465 4.0517 4.08 0.019 Linear 3 7.789 7.789 2.5962 2.62 0.109 Square 3 13.386 13.386 4.4619 4.50 0.030 Interaction 3 15.291 15.291 5.0970 5.14 0.021 Residual Error 10 9.920 9.920 0.9920 Lack-of-Fit 5 7.380 7.380 1.4760 2.91 0.133 Pure Error 5 2.540 2.540 0.5079 Total 19 46.385 S = 0.9960 R-Sq = 78.6% R-Sq(adj) = 59.4% 此值较大，说明二次多项式回归效果比较好。 此值大于0.05，表示二次多项式回归模型正确。 此值小于0.05的项显著有效，回归的整体、二次项和交叉乘积项都显著有效，但是一次项的效果不显著。 输出结果：二次多项式回归方差分析表 非线性回归结果 Term Coef(coded) SE Coef T P Coef(uncoded) Constant 10.4623 0.4062 25.756 0.000 12.4512 A -0.5738 0.2695 -2.129 0.059 0.9626 B 0.1834 0.2695 0.680 0.512 -2.2841 C 0.4555 0.2695 1.690 0.122 -1.4794 A*A -0.6764 0.2624 -2.578 0.027 -0.2676 B*B 0.5628 0.2624 2.145 0.058 1.1164 C*C -0.2734 0.2624 -1.042 0.322 -0.2388 A*B -0.6775 0.3521 -1.924 0.083 -0.6001 A*C 1.1825 0.3521 3.358 0.007 0.6951 B*C 0.2325 0.3521 0.660 0.524 0.3060 输出结果：二次多项式回归系数及显著性检验 对因素实际值的回归系数 P值大的项不显著 对编码值的回归系数