Cтраница 2
Анализ уравнения регрессии осуществляется в три этапа. На первом этапе устанавливается, в какой мере каждый из факторов влияет на параметр оптимизации. Величины коэффициентов регрессии представляют количественную меру этого влияния: чем больше коэффициент, тем сильнее влияние фактора. О характере этого влияния говорят знаки коэффициентов: при знаке плюс с ростом фактора растет величина отклика при знаке минус отклик убывает. На втором этапе совокупность факторов располагается в ряд по силе их влияния на отклик. Факторы, у которых коэффициенты незначимы, не интерпретируются. Обычно следуют правилу: если коэффициент регрессии отрицателен, то для увеличения параметра оптимизации надо уменьшить значение фактора; если он положителен, то необходимо увеличить значение фактора. При минимизации параметра оптимизации можно изменить знаки коэффициентов на обратные ( кроме 6Q) и затем поступать так же, как и в случае максимизации параметра оптимизации. На третьем этапе производится оценка эффектов взаимодействия факт. Необходимо придерживаться следующего правила: если эффект взаимодействия имеет положительный знак, то для увеличения параметра оптимизации требуется одновременное увеличение или уменьшение значений факторов. Для уменьшения параметра оптимизации факторы должны одновременно изменяться в разных направлениях. Если же эффект взаимодействия имеет отрицательный знак, то для увеличения параметра оптимизации факторы должны одновременно изменяться в разных направлениях. Для уменьшения параметра оптимизации требуется одновременное уменьшение или увеличение факторов. В каждом случае имеется два варианта. [16]
Интерпретация моделей регрессии осуществляется методами той отрасли знаний, к которой относятся исследуемые явления. Но всякая интерпретация начинается со статистической оценки уравнения регрессии в целом и оценки значимости входящих в модель факторных признаков, т.е. с выяснения, как они влияют на величину результативного признака. Чем больше величина коэффициента регрессии, тем значительнее влияние данного признака на моделируемый. Особое значение при этом имеет знак перед коэффициентом регрессии, который говорит о характере влияния на результативный признак. Если факторный признак имеет знак плюс, то с увеличением данного фактора результативный признак возрастает; если факторный признак имеет знак минус, то с его увеличением результативный признак уменьшается. [17]
В методах инструментального анализа, напротив, калибровка, за редким исключением, непосредственно связана во времени с самим определением. Калибровочный график часто можно представить в виде прямой линии, описываемой уравнением у Ьх. При этом величина коэффициента регрессии b определяет зависимость измеряемой величины у от концентрации. Величину Ь рассматривают как характеристику чувствительности метода ( не путать с пределом обнаружения. При использовании калибровочного графика становятся заметными случайные ошибки и калибровки и самого определения. [18]
В методах инструментального анализа, напротив, калибровка, за редким исключением, непосредственно связана во времени с самим определением. Калибровочный график часто можно представить в виде прямой линии, описываемой уравнением у Ьх. При этом величина коэффициента регрессии Ь определяет зависимость измеряемой величины у от концентрации. Величину Ъ рассматривают как характеристику чувствительности метода ( не путать с пределом обнаружения. При использовании калибровочного графика становятся заметными случайные ошибки и калибровки и самого определения. [19]
В методах инструментального анализа, напротив, калибровка, за редким исключением, непосредственно связана во времени с самим определением. Калибровочный график часто можно представить в виде прямой линии, описываемой уравнением у Ьх. При этом величина коэффициента регрессии Ь определяет зависимость измеряемой величины у от концентрации. Величину b рассматривают как характеристику чувствительности метода ( не путать с пределом обнаружения. При использовании калибровочного графика становятся заметными случайные ошибки и калибровки и самого определения. [20]
Градиент задается частными производными, а частные производные функции отклика оцениваются коэффициентами регрессии. В крутом восхождении независимые переменные изменяют пропорционально величинам коэффициентов регрессии и с учетом их знаков. Составляющие градиента однозначно получаются умножением коэффициентов регрессии на интервалы варьирования по каждому фактору. Серия опытов в направлении градиента рассчитывается последовательным прибавлением к основному уровню факторов величин, пропорциональных составляющим градиента. [21]