minitab的doe分析 因子交互作用

大家好，我是岳老师，每天三分钟跟我学实操。在选择好模型之后的话，我们下一步的工作就是对模型进行进一步的解释， 那这里要做的第一步就是输出主效应和交互作用图路径是这样子的，在统计 d o e 因子因子图这里，那接下来我们就在 me tab 边给大家演示一下。 在 mini tab 中绘制主相域图和交互作用图的路径是这样子的，在统计 doe 因子因子图这里， 向量是断裂强度啊，然后我们四个因子都给它选择进来，并且这里要注意一下，我们可以选择所有的象都显示，也可以选择直形是模型中的象， 我们这里的话，嗯，先显示一下解模形象来大家看一下，这样的话大家可以看一下，主向量图上就只显示了三个因子，我们总共有四个啊，那个不显著的就没有显示。交互作用的话， 我们有总共有六个，但是只显示了显著的这一个，那我们可以按一下 ctrl 加一试一下。如果把所有的相都显示出来的之后的话，看一下啊，有什么不同，大家可以看一下。 四个主线都显示出来了，只不过不显著的这个像变成了灰色。交后作用图的话也是同样道理，六个都显示的出来，但是呢，只有显著的这个像，它的底色是亮的。 接下来我们给大家解读一下主向量图和交互作用图。在主向量图上的话，我们判断主向量的大小就是看他高水平和低水平所对应的重坐标的落差有多大， 换句话说就是判断这条直线向量线陡不陡，向量线越陡说明主向量越大， 也就是说这个因子对于响应变量的作用和影响越大。对于我们这个案例来讲的话，转换时间影响是最小的啊，他是不显著的象，而最显著的影响最大的最陡的是第一个因子加热温度。 接下来来看一下交互作用图。交互作用图的话，我们怎么判断呢？就是判断这两条效应线是平行的还是不平行的啊？如果是平行的啊，比如说像这个 啊，那就说明不存在交互作用，那我们这个案例的话，只有 b 和 d 这两个因子的交互作用是显著的，效应线是不平行的啊。 好的，那我们今天的内容就到这里，谢谢大家。

大家好，我是岳老师，每天三分钟跟我学实操。在上一个视频中，我们讲解了因子的创建过程，也就是创建实验计划， 创建完之后的话，我们就可以按照实验计划在线下做实验收集数据啊，当然这部分工作需要在线下完成，线下完成之后的话， 下一步的工作就是分析实验的结果，分析实验结果的话，他的路径是这样子的啊，统计 d o e 因子，分析因子设计，然后在这里把数据选择进来啊，因子还有 水平，还有对应的设计，然后接下来再把响应变量选择进来啊，然后 选择模型啊，默认选择的是全模型，所谓的全模型就是包含所有的主效应和所有的二阶交互作用，不包括三阶以及三阶以上的。 然后在这里要注意一下，模型中包括中一点，这里前面不要勾选，也就是说我们不需要把中一点放在模型里边，放在方程里边， 然后在图形这里的话，要勾选四合一的长差图，然后呢并且要选择啊跟每个因子的长差图。 接下来我们在 me tab 边给大家演示一下操作的过程，路径是这样子的，统计 d o e 因子，分析因子设计。 因为我们呃输入的这个数据是从外部复制进来的，所以需要告诉 mini tab 一 些信息啊。首先要告诉 mini tab 哪几列是因子啊？我们这里的话第五列到第八列是因子，我们选择进来， 然后呢再确认一下音子的名称和高低水平啊，然后呢在设计这里告诉 mini tab 哪一列是标准序，哪一列是运行序， 哪一列是中音点还有曲组， 接下来再选择响应变量啊，然后在向这里选择模型啊，我们通常选择的是全模型，所以接受这里选择二，这样的话就只保留了主效应和二阶交汇作用， 然后在模型中包括中一点前面的对勾去掉，然后在图形这里 勾选四合一，就是会生成四合一的残差图，然后在残差与变量这里选择因子，就是会做每个因子为横坐标的残差图， 然后点击确定就可以得到残差图，四合一的残差图，标准化效应的柏拉图， 还有绘画窗口里边的一些信息。好的，那我们今天内容就到这里，谢谢大家。

大家好，我是岳老师，每天三分钟跟我学实操。首先你和模型之后的话，标准化效应的柏拉图和标准化效应的正态图也发生了变化，大家可以看一下， 只保留了显著的象啊，就是这些象，它的这个柱子都是超过这个临界值的啊，这些都是显著的象 啊，在标准化效应的正态图上的话也是如此，图形里边只含有显著的啊，这几个象啊，显示是红色的。 然后接下来来看一下残差图啊，残差图的话也是分为两块，一块是四合一的残差图啊，左边这两个图形判断正态性，右上角的图形判断等方差， 右下角这个图形判断独立性， 然后很显然这个值方图上显示这个数据基本上是对称的，然后正在概率图上，点子基本上是沿着一条直线的，并且这个 p 值也是大于零点零五的，所以是满足正态性的。然后右上角这个 跟你和值的长差图的话啊，比之前啊那个方差更一致了 啊。然后与顺序的这个这个残渣图的话，哎，点子是随机的，说明是复合独立性的，然后右边的跟每个自编带的残渣图的话，也显示是没有异常的啊。那接下来 我们就要对比全模型和三点模型的 r 平方调整和 s， 这里要注意一下，虽然我们说 r 平方和 r 平方的调整是越大越好，但是要注意一下， r 平方的话，它除了跟模型的好坏有关之外的话，它还跟方程里面的象的个数是有关的，象的个数越多， r 平方会越大啊，像的个数少的话， r 平方就会减小，所以这个 r 平方减小的话， 不能说明啊，模型是变差了啊，有可能是由于像素导致的，所以我们更多的情况下是看 r 平方调整增加了 啊，说明模型变好了。在这里的话，大家要注意下， r 平方调整的话，就消除了啊像素导致的影响啊，所以他会更加的准确客观一些。 至于说 s， 他 是跟均方物啊，就是误差的均方和有关系的一个指标，这个指标是越小越好， 在这里的话，删减模型跟全模型相比较的话， s 这个指标是下降了，说明删减模型更好了，从 r p r 调整和 s 这两个指标的角度都说明模型变好了， 所以我们在选择的时候会选择删减模型，就是把不显著的像删掉的这个模型。好的，那我们今天内容就到这里，谢谢大家。

大家好，我是岳老师，每天三分钟跟我学实操，今天我们要给大家讲解的是实验结果分析里面的回归分析的部分 啊，这也是绘画窗口里边输出的一部分内容。回归分析的话，我们主要是判断回归模型的好坏，就是拟合的程度如何， 匹配的效果如何。那我们要看的是这几个指标， r 平方、 r 平方调整和 r 平方预测。其中 这几个指标的话，我们希望他应该是越大越好，越接近于一，也就是越接近于百分之百越好。并且呢， r 平方和 r 平方调整这两个指标应该是越接近越好。 另外我们还有个指标， s s 的 话，它是一个跟误差相关的指标 啊，它跟我们上一页讲的方差分析里边那个误差的 ms 是 有关系的，它等于误差的 ms 开根号 啊，大家要注意这个数量关系。除此之外的话，还有一个啊，内容需要注意，就是这里代码化之后的系数， 它跟效应是存在一个关系的，大家看一下，系数等于对应效应的一半，对于单个因子，就是对于主效应来讲的话， 系数等于对应主效应的一半。二阶交互作用的话也是一样啊，两个因子交互作用前面的系数等于交互作用的一半， 这一点的话是我们模型啊，选择不同的模型都符合这个规律的啊，也就是说我们采用不同的模型， 只要是代码化之后，每个项前面的系数是不变的。然后大家要注意一下，通过以编码 这里的系数，我们可以得到一个方程，这个方程是代码化之后的方程，除此之外的话，我们还有一个没有代码化的回归方程，是下面这个 啊，两个方程我们在实际工作中都可以应用，根据不同的场景选择不同的方程，不同的公式。好的，那我们今天内容就到这里，谢谢大家。