4. 单击确定。
小时数 的预测
以未编码单位表示的回归方程
小时数 = 12.573 + 1.548 订单系统 - 1.160 包裹 + 0.865 订单系统包裹
变量 设置
订单系统 新建
包裹 B
拟合值 拟合值标准误 95% 置信区间 95% 预测区间
9 0.385710 (8.11055, 9.88945) (7.22110, 10.7789)
解释结果
会话窗口输出显示模型方程式和变量设置。这些设置的拟合值（也称作预测值）为 9 小时。但是，因为使用了样本数据，所有的估计中都包含不确定性。置信区间 95% 是平均准备时间的可能值的范围。如果您使用新订单处理系统和包装过程 B，则您可以有 95% 的置信度相信所有订单的平均准备时间介于 8.11 和 9.89 小时之间。
保存项目
1. 选择文件 > 将项目另存为。
2. 浏览至要用于保存您的文件的文件夹。
3. 在文件名中，输入 MyDOE。
4. 单击保存。
在下一章中
因子试验表明，通过使用新的订单处理系统和包装过程 B，您可以减少西部出货中心准备订单所需的时间。在下一章中，您将学习在收集新数据之后，如何使用命令语言和创建并运行 exec 文件来快速重新运行分析。
转到重新执行分析.
*6章：重新执行分析
目标
• 启用和输入会话命令
• 使用会话命令执行分析
• 利用命令行编辑器重新执行一系列会话命令
• 创建并运行 exec 文件
概述
当您在 Minitab 中使用菜单命令时，Minitab 保留了用来记录操作的会话命令。您可以使用这些会话命令针对一组新数据快速重新执行分析。
每个菜单命令都对应一个会话命令。会话命令由主命令和（通常）一个或多个子命令组成。主命令和子命令后面都可以跟一系列参数，这些参数可以是列、常量或者矩阵、文本字符串或数字。Minitab 可提供三种使用会话命令的方法：
• 将会话命令键入到会话窗口或命令行编辑器中。
• 将会话命令从历史记录文件夹复制到命令行编辑器中。
• 复制会话命令并将其保存到 exec 文件中。
当您显示命令行，然后从菜单中执行命令时，“会话”窗口的命令行窗格中会显示相应的会话命令。使用这种技巧可以方便地了解会话命令。
当新数据可用时，西部出货中心可连续不断地收集并分析交货时间。在评估质量上的评估质量中，您对三月份的数据进行了能力分析。在本章中，您可使用会话命令对四月份的数据进行能力分析。
项目和工作表
可在项目中处理数据、执行分析以及生成图形。一个项目中可以包含一个或多个工作表。
项目 (.MPJ) 文件可存储以下项目：
• 工作表
• 图形
• 会话窗口输出
• 历史会话命令
• 对话框设置
• 窗口布局
• 选项
效应图只在因子设计中可用。用于验证模型假设的残差图可对所有设计类型显示。
7.单击每个对话框中的确定。
Minitab 拟合了您在项子对话框中定义的模型，将分析结果显示在会话窗口中，然后将此模型存储在工作表文件中。在您确定可接受的模型之后，您可以使用此存储的模型执行后续分析
确认重要效应
您可使用会话窗口输出和两个效应图来确定哪个效应对您的过程而言非常重要。首先，请查看会话窗口输出。
因子回归: 小时数 与 订单系统, 包裹
方差分析
来源 自由度 Adj SS Adj MS F 值 P 值
模型 3 53.894 17.9646 40.25 0.000
线性 2 44.915 22.4576 50.32 0.000
订单系统 1 28.768 28.7680 64.46 0.000
包裹 1 16.147 16.1472 36.18 0.000
2 因子交互作用 1 8.979 8.9787 20.12 0.002
订单系统包裹 1 8.979 8.9787 20.12 0.002
误差 8 3.571 0.4463
合计 11 57.464
模型汇总
R-sq（调 R-sq（预
S R-sq 整） 测）
0.668069 93.79% 91.46% 86.02%
已编码系数
系数标 方差膨
项 效应 系数 准误 T 值 P 值 胀因子
常量 12.573 0.193 65.20 0.000
订单系统 3.097 1.548 0.193 8.03 0.000 1.00
包裹 -2.320 -1.160 0.193 -6.01 0.000 1.00
订单系统包裹 1.730 0.865 0.193 4.49 0.002 1.00
以未编码单位表示的回归方程
小时数 = 12.573 + 1.548 订单系统 - 1.160 包裹 + 0.865 订单系统包裹
别名结构
因子 名称
A 订单系统
B 包裹
别名
I
A
B
AB
您可拟合全模型，其中包括两个主效应以及双因子交互作用。当其在编码系数表中的 p 值小于 α 时，效应在统计意义上显著。在 α 的默认值为 0.05 时，以下效应显著：
• 订单处理系统(订单系统) 和包装系统(包装) 的主效应
• 订单处理系统和包装过程 (订单系统包装) 的交互效应
解释效应图
您也可以评估标准化效应的正态概率图和 Pareto 图，以确定哪些效应会对响应小时数产生影响。
1. 要查看正态概率图，请选择窗口 > 小时数的效应图。
解释结果
“会话”窗口会分别显示每个中心的结果。在每个中心之内，可以在总计数列中找到延期、逾期和按时交货的数量。
• 东部出货中心的延期交货数 (8) 和逾期交货数 (9) 较多。
• 中部出货中心的延期交货数 (6) 和逾期交货数 (6) 处于*二位。
• 西部出货中心的延期交货数 (3) 较少，且没有逾期交货。
会话窗口输出中还包含每个中心的交货时间（天数）的均值、均值的标准误、标准差、较小值和较大值。这些统计量对于延期交货不存在。
比较两个或更多均值
假设检验是统计分析中较常用的方法之一。Minitab 提供了许多假设检验，其中包括 t 检验和方差分析 (ANOVA)。通常，在您进行假设分析时，您假设一种初始声明为真，然后使用样本数据检验该声明。
假设检验包含两个假设（声明）：原假设 (H0) 和备择假设 (H1)。原假设是初始声明，且通常根据先前的研究或常识进行*。备择假设是可以相信为真实的内容。
假设在**章中进行的图形分析以及上面的描述性分析，您猜想各出货中心之间的平均交货天数在统计意义上有显著差异。要验证这一点，请执行单因子方差分析，此分析检验两个或更多平均值的等同性。此外，还可执行 Tukey 多重比较检验，以查看哪个出货中心均值存在差异。对于此单因子方差分析，交货天数是响应，出货中心是因子。
执行方差分析
1. 选择统计 > 方差分析 > 单因子。
2. 选择所有因子水平的响应数据位于同一列中。
3. 在响应中，输入天数。在因子中，输入中心
-/gjiiih/-
http://turntech8843.b2b168.com
