在我们的免费在线课程中了解更多信息：
工业问题解决的统计思维
在本视频中，我们将了解如何使用“效应汇总”表使用杂质数据进行变量选择。
我们将首先使用拟合模型拟合具有交互作用的完整模型。
首先，我们将选择不纯像他们。
然后，我们将选择温度通过转移, 并选择宏， 接着阶乘到度. 这会将所有主效应和双向交互添加为模型效应。
我们将使用默认个性并单击跑.
效应汇总表以升序显示模型中的项p -价值。
我们可以使用效果汇总表从模型中慢慢删除不重要的项，一次一个，从底部开始。
我们无法删除反应时间因为它涉及仍在模型中的双向交互。
当我们慢慢删除术语时， p - 模型中项的值全部更新，以及所有统计输出。 我们将使用一个p -值阈值为 0.05。 我们最终的简化模型具有所有五个主要效应和三个交互作用。
催化剂浓和温度最显着，其次是相互作用催化剂浓和反应时间.
反应堆是显着的，表明三个反应器之间的杂质存在差异。 之间也有显着的互动反应堆和转移，表明反应器的性能不同，相对于不纯, 在不同的班次上。
让我们使用 Prediction Profiler 探索这个模型。 忽略其他因素，较低的值温度和催化剂浓具有较低的杂质。 在这些值下，如果我们改变反应时间，我们没有看到太大的变化不纯. 和班次 1具有最低值不纯在反应堆 2 上，以及班次 2具有最低值不纯在反应堆 1 上。
