练习R：rsm包设计响应面试验并做数据分析

‍‍

有没有可能使用R替代Minitab或者Desigh-Expert做响应面试验呢？rsm包可以回答这个问题。今天小兵就来练习rsm包设计ccd响应面试验并做数据分析。

试验因素ABC，尝试做一个二次旋转组合设计的ccd试验。

1.试验方案的设计

ccd.design <- ccd(3,n0=c(3,3),alpha = "rotatable",randomize = F,inscribed = F,oneblock = T)

2.实施试验并录入结果y

y <- c(66,80,78,100,70,70,60,75,113,100,118,100,80,68,63,65,82,88,100,85)ccd.design$y <- y

3.多项式回归分析

SO.ccd <- rsm(y~SO(x1,x2,x3),data = ccd.design)summary(SO.ccd)

总体回归显著性：

多项式模型不显著（P=0.119>0.05），校正后的R方仅36%，提示模型拟合较差，无法使用。（暂且不论，继续看其他结果）

多项式回归系数显著性：

仅x2和x3的平方项显著，其他项均不显著，模型表现不尽人意。

方差分析表：

FO一次项不显著，TWI交互项不显著，PQ二次项显著，失拟检验提示不失拟（P>0.05）。

4.最优解

rsm函数会直接输出多项式模型的极值最优解，本例提示有极大值，存在驻点最优解。

当（x1，x2，x3）分别取编码值（0.2598,0.1109，-0.1400）时，多项式将得到最大值。

5.曲面图观察

persp(SO.ccd,x2~x3,contours = list(z="bottom"))

当然以上结果仍然是不够丰富的，比如模型预测的置信区间等内容。

本文完

文/图=数据小兵
参考资料：

郑杰. 试验设计与数据分析: 基于R语言应用[M]. 华南理工大学出版社, 2016.

‍

本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。