分析因子设计的二元响应示例

解释结果

在“偏差”表中，其中三个主效应项（即防腐剂、真空压力和污染程度）的 p 值显著。因为 p 值小于显著性水平 0.05，所以科学家得出这些因子在统计意义上显著的结论。所有双因子交互作用都不显著。科学家可以考虑简化模型。

偏差 R² 值显示模型可以解释响应中总偏差的 97.95%，这表明该模型与数据的拟合良好。

大部分 VIF 很小，这表明模型中的项不相关。

通过效应的 Pareto 图，您可以直观地识别出重要效应，并比较各种效应的相对量值。在这些结果中，三个主效应在统计意义上显著 (α = 0.05) - 防腐剂类型 (A)、真空密封压力 (B) 和污染程度 (C)。此外，还可以发现最大的效应是防腐剂类型 (A)，因为它延伸得最远。防腐剂乘以冷却温度这一交互作用 (AD) 的效应最小，因为它延伸得最近。

方法

链接函数	Logit
已使用的行数	16

响应信息

变量	值	计数	事件名称
腐败	事件	506	Event
	非事件	7482
容器	合计	7988

已编码系数

项	效应	系数	系数标准误	方差膨胀因子
常量		-2.7370	0.0479
防腐剂	0.4497	0.2249	0.0477	1.03
真空压制	0.2574	0.1287	0.0477	1.06
污染程度	0.2954	0.1477	0.0478	1.06
冷却温度	-0.1107	-0.0554	0.0478	1.07
防腐剂*真空压制	-0.0233	-0.0117	0.0473	1.05
防腐剂*污染程度	0.0722	0.0361	0.0474	1.06
防腐剂*冷却温度	0.0067	0.0034	0.0472	1.05
真空压制*污染程度	-0.0430	-0.0215	0.0469	1.04
真空压制*冷却温度	-0.0115	-0.0058	0.0465	1.02
污染程度*冷却温度	0.1573	0.0786	0.0467	1.02

连续预测变量的优势比

	变更单位	优势比	95% 置信区间
真空压制	10.0	*	(*, *)
污染程度	22.5	*	(*, *)
冷却温度	5.0	*	(*, *)

类别预测变量的优势比

水平 A	水平 B	优势比	95% 置信区间
防腐剂
任何水平	任何水平	*	(*, *)

模型汇总

偏差 R-Sq	偏差 R-Sq (调整)	AIC	AICc	BIC
97.95%	76.75%	105.98	171.98	114.48

拟合优度检验

检验	自由度	卡方	P 值
偏差	5	0.97	0.965
Pearson	5	0.97	0.965
Hosmer-Lemeshow	6	0.10	1.000

方差分析

来源	自由度	调整后偏差	调整后均值	卡方	P 值
模型	10	46.2130	4.6213	46.21	0.000
防腐剂	1	22.6835	22.6835	22.68	0.000
真空压制	1	7.3313	7.3313	7.33	0.007
污染程度	1	9.6209	9.6209	9.62	0.002
冷却温度	1	1.3441	1.3441	1.34	0.246
防腐剂*真空压制	1	0.0608	0.0608	0.06	0.805
防腐剂*污染程度	1	0.5780	0.5780	0.58	0.447
防腐剂*冷却温度	1	0.0051	0.0051	0.01	0.943
真空压制*污染程度	1	0.2106	0.2106	0.21	0.646
真空压制*冷却温度	1	0.0153	0.0153	0.02	0.902
污染程度*冷却温度	1	2.8475	2.8475	2.85	0.092
误差	5	0.9674	0.1935
合计	15	47.1804

以未编码单位表示的回归方程

P(Event)	=	exp(Y')/(1 + exp(Y'))

Y'	=	-2.721 + 0.188 防腐剂 + 0.0172 真空压制 - 0.00249 污染程度 - 0.0286 冷却温度 - 0.00117 防腐剂*真空压制 + 0.00160 防腐剂*污染程度 + 0.00067 防腐剂*冷却温度 - 0.000096 真空压制*污染程度 - 0.000115 真空压制*冷却温度 + 0.000699 污染程度*冷却温度