擬合最小二乘報告的正確解釋我試圖找出我的過程參數是否對響應變量有任何重大影響。 擬合最小二乘報告顯示分析的整體模型（如圖所示）不顯著，但效果檢驗摘要顯示因子 a 和交互作用 a*d 顯著。 這是對上述情況的正確解釋：除了因子 a 和 a*d 沒有其他參數對測定有影響嗎？
回复：擬合最小二乘報告的正確解釋謝謝@Bill_Worley為您的回應。 我的目標是匹配目標。 但我同意你的看法，有一些因素會影響 y2 響應，我將不得不對此進行調查。 非常感謝您的討論和幫助。
回复：擬合最小二乘報告的正確解釋首先，我會分別擬合這兩個模型，因為 a 和 d 在兩個模型中都很重要，但 b 和 c 僅在擬合 y1 的數據時很重要。y1 和 y2 的目標是什麼？根據您的探查器，您似乎正在嘗試最大化這兩個值。您可以將擬合模型保存回數據表，然後從那裡創建組合分析器，然後進行優化。
其次，即使使用盡可能簡化的模型，y2 的 R 平方也低於您想要的，但根據數據，這是您可以使用可用輸入做的最好的事情。是否有其他可能的輸入可能/將影響 y2 的值，而這不在您的 DOE 中？是否有任何迴旋餘地來獲得更高的 d 值？如果最大化輸出是您的最終目標，那麼更高的 d 值似乎是可行的方法。您可能想用更高的 d 值來增加您的 DOE，看看這是否適用於 y1 和 y2。具有更高的 d 值可能不可行，但至少值得研究一下如果您的目標是最大化 y1 和 y2 有什麼可能。
HTH
賬單
回复：擬合最小二乘報告的正確解釋謝謝@馬克貝利和@Bill_Worley為您的回應。 附件是包含原始模型（命名為 fit least squaes）和簡化模型（命名為簡化模型）的 jmp 文件。
回复：擬合最小二乘報告的正確解釋感謝槓桿圖和參數估計表。根據所見，您是正確的，只有 a 和 a*d 對模型很重要。您可以/應該刪除除 d 之外的所有其他項，因為與交互項的效果遺傳。因此，您的最終模型將只包含 a、d 和 a*d。您的實際預測和槓桿圖也顯示出一些不尋常的東西，因為誤差條包含平均線（藍線）。這表明模型擬合不佳。您的 R 平方看起來不錯，但 Prob > F 應該更接近於零才能被認為是一個好的模型。使用效果摘要刪除所有其他項，並向我們展示您這樣做時得到的結果。現在你的模型太過擬合了。
HTH
賬單
回复：擬合最小二乘報告的正確解釋
回复：擬合最小二乘報告的正確解釋請顯示您提到的這兩個術語的槓桿圖。 此外，方差分析表也很有用。
