在我們的免費在線課程中了解更多信息：
解決工業問題的統計思維
在本視頻中，我們將了解如何使用“效應匯總”表通過雜質數據選擇變量。
我們將從使用 Fit Model 擬合一個具有交互作用的完整模型開始。
首先，我們將選擇不純像他們。
然後，我們將選擇溫度通過轉移, 然後選擇宏指令， 進而度數階乘. 這會將所有主效應和雙向交互添加為模型效應。
我們將使用默認個性並單擊跑步.
效應匯總表顯示模型中的項，按升序排列p -價值。
我們可以使用效果匯總表從底部開始從模型中慢慢刪除不重要的項，一次一個。
我們無法刪除反應時間因為它涉及仍在模型中的雙向交互。
當我們慢慢刪除術語時， p - 模型中所有項的值以及所有統計輸出都會更新。 我們將使用p - 值閾值為 0.05。 我們最終的簡化模型具有所有五個主要效果和三個交互作用。
催化劑濃度和溫度是最重要的，其次是之間的相互作用催化劑濃度和反應時間.
反應堆顯著，表明三個反應器之間的雜質存在差異。 之間也存在顯著的相互作用反應堆和轉移，表明反應器的性能不同，相對於不純, 在不同的班次上。
讓我們使用 Prediction Profiler 探索這個模型。 忽略其他因素，較低的值溫度和催化劑濃度有較低的雜質。 在這些值下，如果我們改變反應時間，我們沒有看到太大的變化不純. 和班次 1具有最低的價值不純在 Reactor 2 上，以及班次 2具有最低的價值不純在反應堆 1 上。
