多元线性回归和失拟我偶尔需要对塑料管道的加速测试进行多重线性回归分析计算。 拟合的回归方程用于将失效时间结果外推至最终使用温度和内部压力条件，这些条件远远超出了加速测试中所采用的条件。 在此过程中，需要对所得回归方程进行失拟检验，以评估这种类型的外推是否合理。
对于失拟检验，残差平方和 SS(E) 必须分解为“失拟”平方和和“纯误差”平方和。 这两者相加后等于残差平方和。 纯误差平方和是从相同条件下（即使用相同的自变量）重复测试获得的数据得出的。 通过减法获得失拟 SS。 然后根据平方和和每个的适当自由度计算均方。 检验的 F 比率 = 失拟均方除以纯误差均方。 该检验的原假设是数据拟合充分。 如果计算出的 F 比率小于从此类表格中获得的 F 临界值，则接受原假设，并得出结论，具有拟合参数的回归方程充分代表了超出测试条件的数据。 如果 F 比率超过表中的临界值，则零假设将被拒绝，并且应该返回到第一个方，并使用手头的数据尝试不同的回归方程，至少为了外推到零假设之外的条件。利益加速测试中所用人员的界限
到目前为止，我的问题是我们使用的回归分析包仅提供回归平方和和 SSE 结果，它不会将 SSE 分解为其纯误差和缺乏拟合分量。 因此，我必须在单独的 Excel 电子表格中执行此操作才能执行此特定分析。 我的问题是，是否有统计包可以为我做这件事，以便在我进行此类计算时加快处理速度。
消费者和市场研究质量和工艺工程回复：多元线性回归和失拟我引用的测试方法适用于热塑性管道的测试，其中材料表现出蠕变变形和应力断裂行为。 测试在远高于管道在使用中和高温下的各种机械应力水平下进行，以加速制造管道或配件的材料中发生的物理过程。 ASTM F2023测试添加高度氯化的水作为管道中的加压介质，以模拟/加速饮用水中的含氯消毒剂对管道材料降解的影响。 故障时间数据通过多元线性回归拟合为 y = b1 + (b2*x1) + (b3*x2) + b4*x1*x2 形式的方程，其中 b 是回归方程的系数x 是绝对测试温度和测试样本中的机械应力的变换。 然后使用拟合方程来估计正常最终使用温度和内部压力（在管壁材料中产生机械应力）下管道的使用寿命。 这种方法已经使用了几十年，没有考虑当您得到最终使用温度和压力时，由拟合回归方程表示的平面响应曲面是否实际上是平面。 这种用途在某些文本中得到了解决，例如 Draper & Smith，应用回归分析，第 2 版，第 1.5 节。 塑料管道行业正在根据此类分析来确定哪些产品适合长期使用，而无需检查回归方程是否确实适合该目的的数据。
感谢您的回复和您提供的链接。 我会看看。
回复：多元线性回归和失拟感谢您的链接。 我会看看。
回复：多元线性回归和失拟@DEDuval我将采取稍微不同的策略@statman ，尽管我不反对他贡献的任何内容。 您是否仅使用老式的普通最小二乘回归进行分析？ 正如拟合模型平台中的 JMP 标准最小二乘个性化一样。 从你原来的帖子中我并没有100%清楚。 如果是这样，您可能还想查看 JMP 的全套可靠性和生存数据探索和建模技术。 一般来说，与 OLS 相比，对事件时间系统进行建模可以受益于使用一些替代分析方法。 JMP 可靠性和生存方法的完整补充可在 JMP 在线文档中找到：
https://www.jmp.com/support/help/en/15.1/#page/jmp/introduction-to-reliability-and-survival.shtml#ww1256080
回复：多元线性回归和失拟@DEDuval ，您的陈述“拟合的回归方程用于将失效时间结果推断为最终使用温度和内部压力条件，这些条件远远超出了加速测试中所采用的条件。”有点混乱。 您是说您的加速测试未涵盖您试图得出结论的条件？ 通常，在加速测试中，条件是否会被夸大以模拟长期条件？ 我们对产品进行摇晃、烘烤和洒水，以暴露故障，及时代表故障。 我们如何暴露这些产品以及在什么条件下暴露通常是一个有根据的猜测，然后随着时间的推移，我们完善这些加速模型以匹配现实。 TMK，缺乏拟合检验并不能真正回答是否可以推断出超出研究进行的推理空间的结果。 它们用于评估模型是否适合手头的数据。回复：多元线性回归和失拟如果您的问题是：JMP 能否计算失拟 SS，答案是肯定的。
https://www.jmp.com/support/help/en/15.1/?os=mac&source=application&utm_source=helpmenu&utm_medium=application#page/jmp/lack-of-fit.shtml
