从响应曲面模型中排除项

决定应在响应曲面模型中包含哪些项以及从中排除哪些项是非常重要的。几个需要考虑的因素（统计及其他方面的）会影响到决策。

·    通常，排除项的第一步是观测它的 p 值：如果 p 值小于 a 水平，那么该项应保留在模型中。

·    即使 p 值小于 a 水平，您可能也希望排除该项。但是，首先应考虑：

-    排除该项后，调整的 R 和 S 会如何变化。调整的 R 越高，模型越好。S 越低，模型越好。因此，如果排除该项会降低调整 R 并提高 S，那么该项应保留在模型中。

-    排除项对失拟的影响。失拟意味着回归模型不能很好地拟合数据。如果从模型中排除了重要的高次项，将会发生严重的失拟。失拟测试出现在方差分析表中时，可以从表中的数据计算此测试。因此，在排除某项之前检查失拟统计量非常重要。

-    排除低次项如何影响响应曲面的层次结构。要排除模型中的高次项，必须包括低次项。例如，如果“温度”的线性效应不显著，但“温度”与“时间”交互作用显著，“温度”的线性项就必须保留在模型中。

上述考虑因素都是统计方面的。有时，出于一些技术或科学上的考虑，可能希望在模型中包含看似不显著的项。因此，必须综合运用技术和统计知识来指导您的决策。