四、试验数据的处理 1、计算回归方程：由计算机对试验结果进行计算及处理得回归方程。 例1、以A,B,C,D四个因素为自变量，指标Y为应变量，水平q为样本数，首先计 算各因素之间以及各因素与指标间的单相关系数，见表，用以考察各因素之间的相关性， 根据多元线性回归计算的要求，各因素之间应相互独立，至少应不相关，两个十分相关的 因素不能同时进入回归方程。 相关系数表 A 0 Y A 1.0000 0.5000 1.0000 0.1000 0.5000 0.10000 0 0.1000 -0.40000.10000 1.0000 06445 03448 04769 -02389 1.0000 Ye=0.1708A+0.0828B-0.1332C-0.0008D+0.4195 N=9R=0.9187F=5.4099s-0.0537 Fo144=4.11 2、回归方程的显著性检验 ①相关系数检验：利用相关系数临界值表。 ②F检验。 3、利用回归方程进行结果解释及工艺条件优化。 ①根据回归方程各项系数的大小与正负，可以考察各项因素对指标的影响大小与主 次，例如上述方程中催化剂(C)的系数为负，表明催化剂的用量增加收率反而降低，从 相关性及实际情况中均可反映出这点。此外，时间这一项的系数很小，而且为负，说明时 间的影响不大，延长反应时间使副反应增多收率反而下降。如反应时间为8与15h的收率 相差不大(63.6%，62.0%)，因此可以选择一个较短的时间为固定的反应时间，如7h,然后 改变其他的条件以取得更好的收率。 ②根据回归方程预测试验结果。以优化工艺的条件，预测最佳的工艺条件。例如： 固定反应时间D=7h,选择配料比A=1.8,KOH用量B=3.3g,催化剂用量C=0.3g,预报四、试验数据的处理 1、计算回归方程：由计算机对试验结果进行计算及处理得回归方程。 例1、以A，B，C，D四个因素为自变量，指标Y为应变量，水平q为样本数，首先计 算各因素之间以及各因素与指标间的单相关系数，见表，用以考察各因素之间的相关性， 根据多元线性回归计算的要求，各因素之间应相互独立，至少应不相关，两个十分相关的 因素不能同时进入回归方程。 相关系数表 A B C D Y A 1.0000 B 0.5000 1.0000 C 0.1000 0.5000 0.10000 D 0.1000 -0.4000 0.10000 1.0000 Y 0.6445 0.3448 0.4769 -0.2389 1.0000 Ye＝0.1708A+0.0828B-0.1332C-0.0008D+0.4195 N=9 R=0.9187 F=5.4099 s=0.0537 F0.1,4,4=4.11 2、回归方程的显著性检验 ①相关系数检验：利用相关系数临界值表。 ②F检验。 3、利用回归方程进行结果解释及工艺条件优化。 ①根据回归方程各项系数的大小与正负，可以考察各项因素对指标的影响大小与主 次，例如上述方程中催化剂（C）的系数为负，表明催化剂的用量增加收率反而降低，从 相关性及实际情况中均可反映出这点。此外，时间这一项的系数很小，而且为负，说明时 间的影响不大，延长反应时间使副反应增多收率反而下降。如反应时间为8h与15h的收率 相差不大（63.6%，62.0%),因此可以选择一个较短的时间为固定的反应时间，如7h，然后 改变其他的条件以取得更好的收率。 ②根据回归方程预测试验结果。以优化工艺的条件，预测最佳的工艺条件。例如： 固定反应时间D＝7h，选择配料比A＝1.8，KOH用量B＝3.3g，催化剂用量C＝0.3g，预报