模型缩减,逐步去掉不显著的回归系数,结果见表3。得 到的模型为:
y ij
b0
b1 N i
b2 Pj
b4
N
2 i
b5 Pj2
ij
四、响应面分析实例
使用该模型分析的结果为表3,从表3中可以看出,b1, b4,b5达到极显著水平,b2接近达到显著性,只有b3达
不到显著水平。
二、如何做响应面分析
要构造响应面并进行分析以确定最优条件或寻找最优区域, 首先必须通过试验获取大量的测量数据,并建立一个合适 的数学模型(建模),然后再用此数学模型作图。
建模最常用和最有效的方法之一就是多元线性回归方法。 对于非线性体系可作适当处理化为线性形式。
二、如何做响应面分析
设有m个因素影响指标取值,通过试验测量,得到n组试 验数据。假设指标与因素之间的关系可用线性模型表示, 则可将各系数写成矩阵式。
DF
SS
MS
F
5
332061.25 66412.25 352.08** F = 0.05(5,43) 2.44;F0.01(5,43)=3.49
1
219217.93 219217.93 1162.16** F = 0.05(1,43) 4.07;F0.01(1,43)=7.27
1
754.29 754.29
9.2
7.27
= A: 发酵时间 /h
8.8
= B: 发酵温度 /℃
tual Factor
8.4
接种量 /% = 3.0
8
7.6
42.0
30.0
41.5
27.0
41.0
24.0
发酵温度 /℃
40.5