在我们的免费在线课程中了解更多信息：
解决工业问题的统计思维
在本视频中，我们使用金属涂层示例并为响应拟合模型，结果. 对于此演示，我们仅包括连续预测变量及其双向交互作为模型效果。
我们首先选择拟合模型在分析菜单。
我们选择结果作为 Y 变量。
然后我们选择湿度通过皮带速度作为模型效果并单击添加.要在模型中输入特定的交互项，我们选择列，然后单击叉.
我们可以同时添加它们，而不是一次添加一个交互。 让我们移除模型效果并重新开始。
要将所有五个连续主效应及其双向交互作用同时输入到模型中，我们选择五列，然后选择宏指令,度数阶乘.
默认个性是标称物流, 目标类别为有缺陷的.
这效果总结表格显示模型中的项，按升序排列p -价值。 有许多无关紧要的术语。
LogWorth 统计量与p -价值。 LogWorth 越高，越低p -价值。 在 LogWorth 为 2 时绘制一条蓝线，这相当于 p 值为 0.01。
我们慢慢地减少这个模型，直到只剩下重要的条款。
简化模型包括三个主要效应和两个双向交互作用。
让我们看看预测刻画器。
皮带速度参与双向交互。 当我们改变皮带速度的值并保持其他一切不变时，我们可以看到油漆粘度和泵压对次品率的影响。
例如，在较高的皮带速度下，需要较高的涂料粘度和较低的泵压才能将次品率降至最低。
我们可以使用此信息来确定这些工艺参数的最佳设置。
