请完成以下步骤来解释因子图。主要输出包括交互作用图和主效应图。
步骤 1：检查交互作用效应
在交互作用图中检查双向交互作用效应。此图显示响应变量与预测变量之间的关系如何依赖于第二个预测变量的值。
评估这些线以了解交互作用对预测变量和响应之间的关系有何影响。
- 平行线
- 未发生交互作用。
- 非平行线
- 发生了交互作用。线之间越不平行，交互作用强度越大。
尽管您可以使用此图来显示效应，但要确保评估分析中与模型拟合的效应的统计显著性。如果该分析中的交互作用效应在统计意义上显著，那么，不考虑交互作用效应就无法解释主效应。
Minitab 显示的拟合响应值的类型取决于模型中响应变量的类型。Minitab 显示以下类型的拟合值：
- 包含连续测量值（如长度或重量）的响应变量的均值。
- 包含服从 Poisson 分布的计数（如每个样本中的缺陷数）的响应变量的均值。
- 仅包含两个可能结果（如通过/失败）的响应变量的概率。
- 使用分析变异性拟合的模型的标准差。
交互作用图对于 x 轴上预测变量的值显示拟合响应均值。第二个预测变量的值如下所示：
- 如果第二个预测变量是类别变量，则图中针对该预测变量的每个水平显示一条单独的线。
- 如果第二个预测变量是连续变量，则图中针对样本数据中该预测变量的最低值和最高值各显示一条线。
主要结果：交互作用图
在该交互作用图中，线之间不平行。此交互效应表明金属类型和强度之间的关系取决于烧结时间的值。例如，如果使用金属类型 2，则烧结时间 150 与最高平均强度相关联。但是，如果使用金属类型1，则烧结时间 100 与最高平均强度相关联。
拟合一般线性模型结果指示“烧结时间”和“金属类型”之间的交互作用显著。
步骤 2：检查主效应
检查主效应图以评估响应与预测变量之间的关系。
检查线条以确定主效应是否存在，如下所示：
- 当该线水平（与 x 轴平行）时，不存在主效应。响应值不会随预测变量值的变化而变化。
- 当线不水平时，存在主效应。对于预测变量的所有值，响应值并非都相同。线越陡峭，主效应的量值越大。
尽管您可以使用此图来显示效应，但要确保评估分析中与模型拟合的效应的统计显著性。如果该分析中的交互作用效应在统计意义上显著，那么，不考虑交互作用效应就无法解释主效应。
Minitab 显示的拟合响应值的类型取决于模型中响应变量的类型。Minitab 显示以下类型的拟合值：
- 包含连续测量值（如长度或重量）的响应变量的均值。
- 包含服从 Poisson 分布的计数（如每个样本中的缺陷数）的响应变量的均值。
- 仅包含两个可能结果（如通过/失败）的响应变量的概率。
- 使用分析变异性拟合的模型的标准差。
主效应图对于 x 轴上预测变量的值显示拟合均值，如下所示：
- 如果预测变量是类别变量，该图将为该预测变量的每个水平的响应值显示一个点。以线连接每个变量的各个点。Minitab 还会在连续响应变量和 Poisson 响应变量的总体均值处绘制一条参考线。
- 如果预测变量是连续的，则图中显示一条表示响应变量和预测变量之间连续关系的线。
主要结果：主效应图
在此主效应图中，烧结时间 150 似乎与最高平均强度相关联。但是，拟合一般线性模型结果指示此主效应在统计意义上不显著。因子水平之间的差异可能是由随机机会导致的。
“金属类型 2”与最高的平均强度相关联，并且拟合一般线性模型结果指示此主效应在统计意义上显著。
拟合一般线性模型结果指示“烧结时间”和“金属类型”之间的交互作用在统计意义上显著。因此，不考虑交互作用效应就无法解释主效应。
