分析明确筛选设计的数据注意事项

为了确保结果有效，请在收集数据、执行分析和解释结果时考虑以下准则。

您必须已在 Minitab 中创建或定义筛选设计

在 Minitab 中设计的试验必须至少具有 2 个连续因子或类别因子。

• 如果您只有一个类别因子且没有连续预测变量，请使用单因子方差分析。
• 如果您有一个连续因子，请使用拟合线图。

响应变量应当是连续变量

如果响应变量是类别变量，则您的模型不太可能满足分析假定、准确描述数据或者进行有用的预测。

• 如果响应变量有两个类别，请使用分析明确筛选设计的二元响应。
• 如果您的响应变量对发生次数（如缺陷数量）进行计数，请使用拟合 Poisson 模型。

确保测量系统生成可靠的响应数据

如果测量系统的变异性太大，则试验可能无法查找到重要效应。

每个观测值都应当独立于所有其他观测值

如果您的各观测值非独立，则结果可能无效。请考虑以下几点来确定观测值是否为独立值：

• 如果一个观测值不提供有关另一个观测值的信息，则说明这两个观测值是独立的。
• 如果一个观测值提供有关另一个观测值的信息，则说明这两个观测值是相关的。

应对试验游程进行随机化

通过随机化，可降低非受控条件导致结果偏差的几率。通过随机化，还可以估计材料和条件的固有变异，从而可以根据试验中的数据做出有效的统计学论断。

在某些情况下，随机化可能会导致不想要的运行顺序。例如，因子水平变化可能很困难、成本高昂或需要很长时间才能产生稳定的过程。在这些情况下，您可能想通过裂区设计进行随机化，以尽可能降低水平变化。

使用最佳做法收集数据

要确保结果有效，请考虑以下准则：

• 确保数据代表您感兴趣的总体。
• 收集足够多的数据以提供必要的精确度。
• 按数据的收集顺序记录数据。

模型应当提供良好的数据拟合

如果模型无法与数据拟合，则结果可能会具有误导性。在输出中，使用残值图、异常观测值的诊断统计量以及模型汇总统计量可以确定模型对数据的拟合优度。