计数型数据的DOE 问题
最近做计数型数据的DOE 遇到如下问题,请大家帮忙答疑
这是数据,两个因子X,,X2, 每个因子都是两个水平:潮湿, 干燥
StdOrder RunOrder CenterPt Blocks lid box F1
12 1 1 1 潮濕 潮濕 79.5
10 2 1 1 潮濕 乾燥 75.7
6 3 1 1 潮濕 乾燥 84.6
8 4 1 1 潮濕 潮濕 78.6
3 5 1 1 乾燥 潮濕 71.9
11 6 1 1 乾燥 潮濕 79.8
2 7 1 1 潮濕 乾燥 69.6
4 8 1 1 潮濕 潮濕 72.2
9 9 1 1 乾燥 乾燥 83.7
5 10 1 1 乾燥 乾燥 88.2
7 11 1 1 乾燥 潮濕 86.9
1 12 1 1 乾燥 乾燥 72.7
这是Minitab 得出的结果
Factorial Fit: F1 versus X1, X2
Estimated Effects and Coefficients for F1 (coded units)
Term Effect Coef SE Coef T P
Constant 78.617 1.276 61.60 0.000
X1 -7.667 -3.833 1.276 -3.00 0.017
X2 0.767 0.383 1.276 0.30 0.772
X1*X2 5.800 2.900 1.276 2.27 0.053
S = 4.42097 R-Sq = 64.09% R-Sq(adj) = 50.62%
Analysis of Variance for F1 (coded units)
Source DF Seq SS Adj SS Adj MS F P
Main Effects 2 178.097 178.097 89.05 4.56 0.048
2-Way Interactions 1 100.920 100.920 100.92 5.16 0.053
Residual Error 8 156.360 156.360 19.55
Pure Error 8 156.360 156.360 19.55
Total 11 435.377
由上面的结果看出,只有X1 为显著因子。
而后我将不显著因子去掉得到下面的结果
Factorial Fit: F1 versus X1
Estimated Effects and Coefficients for F1 (coded units)
Term Effect Coef SE Coef T P
Constant 78.617 1.469 53.51 0.000
X1 -7.667 -3.833 1.469 -2.61 0.026
S = 5.08963 R-Sq = 40.50% R-Sq(adj) = 34.55%
Analysis of Variance for F1 (coded units)
Source DF Seq SS Adj SS Adj MS F P
Main Effects 1 176.333 176.333 176.33 6.81 0.026
Residual Error 10 259.043 259.043 25.90
Pure Error 10 259.043 259.043 25.90
Total 11 435.377
问题1:做F1 与X1 的拟合时,发现R-Sq(adj) = 34.55%<75%, 是否说明现在这个模型不适合?
问题2: 该DOE 最终变成F1与单因子X1 之间的分析,是否可通过主效应图对比X1 高低水准的F1的大小,得出X1 的最佳水准?
望高手们多多帮忙, 感激涕零!!!
这是数据,两个因子X,,X2, 每个因子都是两个水平:潮湿, 干燥
StdOrder RunOrder CenterPt Blocks lid box F1
12 1 1 1 潮濕 潮濕 79.5
10 2 1 1 潮濕 乾燥 75.7
6 3 1 1 潮濕 乾燥 84.6
8 4 1 1 潮濕 潮濕 78.6
3 5 1 1 乾燥 潮濕 71.9
11 6 1 1 乾燥 潮濕 79.8
2 7 1 1 潮濕 乾燥 69.6
4 8 1 1 潮濕 潮濕 72.2
9 9 1 1 乾燥 乾燥 83.7
5 10 1 1 乾燥 乾燥 88.2
7 11 1 1 乾燥 潮濕 86.9
1 12 1 1 乾燥 乾燥 72.7
这是Minitab 得出的结果
Factorial Fit: F1 versus X1, X2
Estimated Effects and Coefficients for F1 (coded units)
Term Effect Coef SE Coef T P
Constant 78.617 1.276 61.60 0.000
X1 -7.667 -3.833 1.276 -3.00 0.017
X2 0.767 0.383 1.276 0.30 0.772
X1*X2 5.800 2.900 1.276 2.27 0.053
S = 4.42097 R-Sq = 64.09% R-Sq(adj) = 50.62%
Analysis of Variance for F1 (coded units)
Source DF Seq SS Adj SS Adj MS F P
Main Effects 2 178.097 178.097 89.05 4.56 0.048
2-Way Interactions 1 100.920 100.920 100.92 5.16 0.053
Residual Error 8 156.360 156.360 19.55
Pure Error 8 156.360 156.360 19.55
Total 11 435.377
由上面的结果看出,只有X1 为显著因子。
而后我将不显著因子去掉得到下面的结果
Factorial Fit: F1 versus X1
Estimated Effects and Coefficients for F1 (coded units)
Term Effect Coef SE Coef T P
Constant 78.617 1.469 53.51 0.000
X1 -7.667 -3.833 1.469 -2.61 0.026
S = 5.08963 R-Sq = 40.50% R-Sq(adj) = 34.55%
Analysis of Variance for F1 (coded units)
Source DF Seq SS Adj SS Adj MS F P
Main Effects 1 176.333 176.333 176.33 6.81 0.026
Residual Error 10 259.043 259.043 25.90
Pure Error 10 259.043 259.043 25.90
Total 11 435.377
问题1:做F1 与X1 的拟合时,发现R-Sq(adj) = 34.55%<75%, 是否说明现在这个模型不适合?
问题2: 该DOE 最终变成F1与单因子X1 之间的分析,是否可通过主效应图对比X1 高低水准的F1的大小,得出X1 的最佳水准?
望高手们多多帮忙, 感激涕零!!!
没有找到相关结果
已邀请:
11 个回复
6sigmatech (威望:0) (上海 浦东新区) 石油化工 员工
赞同来自:
代数形式的回归拟合比较适合于连续数据变量。对于你的这个实验,两个变量都是非连续数据,每个只能在两个水平上取值,我觉得不适用于回归拟合。可以考虑用Minitab中的factorial design中的分析和画图工具来判断就足够了。
如果能细化到湿度为多少的话,就可以把非连续数据转变成连续数据,得出的模型会更精细一些。当然这要取决于实际上的设备实现能力。