将新数据集与之前生成的模型进行比较？大家好，
有关如何将数据集与先前生成的响应面模型的输出进行比较的问题。我有一个基于主数据集（“数据集 A”）开发的响应面模型，其中包含一个响应变量和三个输入变量。输入变量是环境条件 - 特定范围内的温度、湿度和光照水平（例如 10-30C、10-90%RH）。我还有第二个数据集（“数据集 B”），它具有相同的响应变量，是在单一温度、相对湿度和光照水平下获得的。我想测试响应面模型对用于生成数据集 B 的条件的响应变量的估计是否与数据集 B 的实际平均值存在统计差异。最好的方法是什么？我考虑过进行单样本 t 检验，将数据集 B 与模型的预测值进行比较，但这没有考虑与模型估计相关的误差。
感谢您的任何建议。
质量和工艺工程回复：将新数据集与之前生成的模型进行比较？也许您可以将数据集 B 附加到数据集 A 并将其标记为验证。 然后您可以使用模型工作流程来获取比较结果。回复：将新数据集与之前生成的模型进行比较？拟合最小二乘平台针对的是均值。 该模型用于平均响应。 预测刻画器提供了平均值的置信区间：
您必须保存各个观察的间隔。 我建议您保存公式，以便您可以使用新数据添加新行，公式将评估条件并给出比较间隔：
回复：将新数据集与之前生成的模型进行比较？@马克贝利谢谢。有没有办法从模型输出窗口查看预测区间？
回复：将新数据集与之前生成的模型进行比较？您有一个观察值来检验原假设，因此您不能使用t -测试。
您可以改为使用预测区间来确定新观察是否意外。
