响应面软件 实用总结

Response Surface Methods (RSM)

响应面设计方法通过更多的水平实验方案，拟合二阶以上的模型，帮助我们找到设计的最优点。

BLOCK

例如：本实验需要分两天完成，那么两天中因为其他不可控制因素的变化可能会对试验造成影响，那么就可以设置2个BLOCK，软件会在两个BLOCK中设置对应的几个中点试验重复，检查中点试验的重复性是否良好，以观察这些不可控制因素对试验造成多大影响，从而最大限度的降低试验中不可控制因素对试验的干扰。再例如，本实验其中一部分在甲实验室完成，另一部分要在乙实验室完成，那么就可以设置2个BLOCK，原因同上。

回归分析（Analysis ）

Transform: 对模型做一些数学变换，比如对数变换、倒数变换，目的是让因子和响应之间的关系变得简单，比如线性化

Fit Summary: 对模型做不同种类的拟合，比如线性拟合、二次拟合、三次拟合等等，目的是帮助我们看看哪种拟合效果最好F(x) Model: 在选定数学变化，以及决定采用哪种拟合方式以后就可以在这里对模的细节进行设置了，比如要保留那些因子项和交互项。

ANOVA: 方差分析，软件会自动对模型进行拟合，然后根据残差对各种因素的贡献做方差分析，让我们知道那些项是关键的，必须在模型中保留。方程的显著性检验，系数显著性检验回归方程。

Diagnostics: 在做完拟合之后，用图示的方式给出分析结果，比如残差的正态性、分布的随机性等等

Model Graph: 用图形的方式告诉用户模型是什么样子的，比如用等高线来描述响应和因子之间的函数关系。

预测优化（Optimization）

Criteria: 得到模型之后我们就可以用它来预测最佳的设计参数是多少了。这里Criteria是给出优化的条件，比如各个因子的取值范围、优化的目标是什么等等

Solution: 在Criteria中设定了优化的约束和目标之后，这里就会给出优化的结果，一般是用列表的形式给出一些详细设计参数供我们参考

Graphs: 用图形的方式给出解空间的形状，或者是解在设计空间的位置，如右图。

Diagnostics Tools

Diagnostics

Normal Plot of Residuals

残差的正态图，越接近一条直线，说明回归模型拟合得越好Residuals vs. Predicted

残差与方程预测值的对应关系图，分布越分散越无规律越好Predicted vs. Actual

预测值与试验实际值的对应关系图，越靠近同一条直线越好

Influence

点击Report

三维响应曲面图

可更直观的看出两因素对因变量的影响情况，可以很直观的找出最优范围，刚才所看的二维等高线图即为三维响应面图在底面的投影图

Optimization

选择Numerical，点击Solutions，第一个即为各因素取最优值后的响应所能取到的最大值，为预测值。

R2应高，表明方程线性好0.99~

拟合度R-Squared

Sum of squares 平方和

df 自由度

Mean square 均方

F

P

F(x) Model

Process Order:Quadratic 二次多项式回归方程（Cubic 三次多项式回归方程）Selection:Stepwise 逐步回归方程