一家食品实验室的研究人员想要通过以下方式改进奶酪火锅的配方:改进味道,最大化浸入火锅中的面包上所涂奶酪量,并最小化在锅底烧糊的混料量。这些研究人员设计了极端顶点混料试验,以研究混料混合和操作温度的效应。

  1. 打开样本数据,火锅配方.MTW.
  2. 选择统计 > DOE > 混料 > 分析混料设计
  3. 响应中,输入口味
  4. 模型类型下,选择混料分量和过程变量
  5. 分析分量于下,选择比率
  6. 模型拟合法下,选择混料回归
  7. 单击
  8. 使用箭头可将以下项移动到所选项埃文达芝士格鲁耶尔干酪高汤ABBCA*X1C*X1
  9. 单击确定,然后单击图形
  10. 残差图下,选择四合一
  11. 单击每个对话框中的确定

解释结果

因为 p 值小于显著性水平 0.05,所以研究人员可以得出交互作用效应在统计意义上显著的结论。

带有两个分量的交互作用项的正系数表示两个分量配方协同作用。也就是说,配方的平均味道分数大于计算每种纯混料的两个味道分数的简单均值所得的分数。

另外,成分和过程变量温度之间的交互作用表示配方的味道分数因操作温度而不同。

R2 值显示模型可以解释味道中 99.98% 的方差,这表明该模型与数据的拟合程度非常高。

提示

要进一步探讨分量和过程变量与相应之间的关系,请使用等值线图曲面图响应跟踪图

混料回归: 口味 与 埃文达芝士, 格鲁耶尔干酪, 高汤, 温度

口味 的估计回归系数(分量比率) 系数标 方差膨 项 系数 准误 T 值 P 值 胀因子 埃文达芝士 104.874 0.667 * * 15.94 格鲁耶尔干酪 175.08 5.89 * * 203.46 高汤 -8.810 0.659 * * 26.04 埃文达芝士*格鲁耶尔干酪 59.2 10.3 5.75 0.000 57.33 格鲁耶尔干酪*高汤 30.04 9.00 3.34 0.008 109.44 埃文达芝士*温度 4.500 0.475 9.48 0.000 8.09 格鲁耶尔干酪*温度 4.500 0.679 6.62 0.000 2.71 高汤*温度 4.500 0.443 10.16 0.000 11.76 系数是为已编码的过程变量计算的。
模型汇总 R-sq(调 R-sq(预 S R-sq 整) PRESS 测) 0.276960 99.98% 99.97% 2.65322 99.93%
对于 口味 的方差分析(分量比率) 来源 自由度 Seq SS Adj SS Adj MS F 值 回归 7 3924.18 3924.18 560.597 7308.30 仅分量 线性 2 3557.10 741.33 370.664 4832.22 二次 2 2.58 2.58 1.289 16.80 埃文达芝士*格鲁耶尔干酪 1 1.72 2.53 2.532 33.01 格鲁耶尔干酪*高汤 1 0.85 0.85 0.855 11.14 分量 * 温度 线性 3 364.50 364.50 121.500 1583.95 埃文达芝士*温度 1 335.51 6.89 6.887 89.79 格鲁耶尔干酪*温度 1 21.07 3.37 3.365 43.87 高汤*温度 1 7.92 7.92 7.924 103.30 残差误差 10 0.77 0.77 0.077 合计 17 3924.94 来源 P 值 回归 0.000 仅分量 线性 0.000 二次 0.001 埃文达芝士*格鲁耶尔干酪 0.000 格鲁耶尔干酪*高汤 0.008 分量 * 温度 线性 0.000 埃文达芝士*温度 0.000 格鲁耶尔干酪*温度 0.000 高汤*温度 0.000 残差误差 合计
使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策