在具有多个类别变量时，主效应图将是最佳选择。可以将水平均值中的更改进行比较，以查看哪个类别变量对响应的影响最大。在不同的变量水平上，响应的均值发生变化时，就会存在主效应。对于具有两个水平的变量，一个变量水平上的均值高于另一个变量水平上的均值。这种差异就是主效应。只有在交互作用效应不显著时，才可解释主效应。

Minitab 将通过在模型中标绘每个变量的拟合均值来创建主效应图。Minitab 可以标绘不在模型中的变量的数据均值。用一根线连接每个变量的各个点。查看此线可以确定对某个变量是否存在主效应。

·    当此线处于水平状态（与 x 轴平行）时，则不存在主效应。变量的每个水平以相同的方式影响响应，响应均值在所有水平上相同。

·    当此线不处于水平状态（与 x 轴不平行）时，则存在主效应。不同变量水平对响应的影响不同。标绘点之间垂直位置的差异越大（线与 X 轴不平行的程度越大），主效应的量值就越大。要确定差异是否具有显著的统计意义，请检查偏差异析表中此项的 p 值。

通过比较直线的斜率，可以比较这些效应的相对量值。

因子图没有对拟合均值使用工作表中的数据。Minitab 而是根据存储的模型估计拟合均值。您必须先拟合模型，然后才能生成因子图。要生成交互作用图，必须在图中包含两个或更多变量。只有在模型表示真实关系时，因子图才准确。

对于这些树脂缺陷数据，这些图表明：

·    温度：与较高温度相比，较低温度会导致更多缺陷。

·    自清洗之后的小时数：与较多时间相比，较少时间会导致更少的缺陷。

·    螺丝钉的大小：与小螺丝钉相比，大螺丝钉会导致更多缺陷。

·    总体均值是跨每个组块而绘制的一条线。

温度的主效应的量值似乎大于其他变量的量值。只有在交互作用效应不显著时，才可解释主效应。