分析田口设计（动态）示例

解释结果

Minitab 将为所选择的每个响应特征都提供一个估计回归系数表。使用 p 值确定在统计意义上显著的因子，并且使用系数确定每个因子在模型中的相对重要性。

在此示例中，对于信噪比，肥料的 p 值小于 0.05 (p = 0.033)，并且在显著性水平 0.05 下统计意义显著。品种在显著性水平 0.10 下统计意义显著 (p = 0.064)。对于斜率，任何因子在 0.05 或 0.10 的显著性水平下统计意义都不显著。对于标准差，p 值表明品种 (p = 0.050) 在显著性水平 0.05 下统计意义显著。肥料 (p = 0.054)、水 (p = 0.057) 和光照 (p = 0.070) 在显著性水平 0.10 下统计意义显著。喷洒农药 (p = 0.300) 和交互作用“肥料*品种”(p = 0.169) 的统计意义不显著。

系数的绝对值表示每个因子的相对长度。具有最大系数的因子对给定响应特征的影响最大。在田口设计中，因子系数的量值通常反映响应表中的因子秩。

响应表显示各个因子每一水平的每个响应特征的平均值。这些表包含基于 Delta 统计量的秩，这些秩用于比较效应的相对量值。Delta 统计量为每个因子的最大平均值减去最小平均值。Minitab 基于 Delta 值分配秩；将秩 1 分配给最大的 Delta 值，将秩 2 分配给第二大的 Delta 值，依此类推。使用响应表中的水平平均值可以确定每个因子的哪个水平可提供最佳结果。

在动态田口试验中，始终都需要使信噪比最大化。在此示例中，秩表明肥料对信噪比和斜率的影响最大。对于信噪比，品种的影响次之，然后是水、光照和喷洒农药。对于斜率，水的营销次之，然后是光照、品种和喷洒农药。对于标准差，秩为品种、肥料、水、光照和喷洒农药。

主效应和交互作用图可确认这些结果。