功效分析
图 15.14显示 Design Experiment 文件夹下 Coffee Data.jmp 样本数据表中设计的“功效分析”分级显示项。“模型”脚本中指定的模型是仅包含主效应的模型。
图 15.15显示“功效分析”报表的上面部分，其中已指定了预期系数的值。这些值反映您要检测的差值。
当您在“预期系数”列中设置新值时，点击将更改应用于预期系数可更新“功效”和“预期响应”列。
图 15.16显示对应于图 15.15中所示的“预期系数”值的“设计和预期响应”分级显示项。
点击将更改应用于预期响应可同时更新“预期系数”和“功效”列。
当您在“预期响应”列中设置新值时，点击将更改应用于预期响应可更新“预期系数”和“功效”列。
考虑 Coffee Data.jmp 数据表中的设计。假定您关注的是设计检测各个量对浓度影响的功效。回想一下，研磨是两水平的分类因子，温度、时间和咖啡豆的量是连续因子，测量地点是三水平的分类（分区组）因子。
在该示例中，忽略测量地点作为分区组因子的角色。您要关注的是测量地点对浓度的影响。因为测量地点是三水平的分类因子，它在“参数”列表中用两项来表示：测量地点 1 和测量地点 2。
•
您将研磨从“Coarse”变为“Medium”时均值变化了 0.10 个单位。
•
您将温度、时间和咖啡豆的量从低水平变为高水平时均值变化了 0.10 个单位或更多。
图 15.17显示输入了这些值后的“功效分析”节点。您明确指定了“显著性水平”、“预期 RMSE”和每个“预期系数”的值。
回想一下，温度是具有编码水平 -1 和 1 的连续因子。考虑原假设为温度对浓度没有影响的检验。图 15.17显示该检验在温度的各水平上检测 0.10 (=2*0.05) 个单位差值的功效仅为 0.291。
现在考虑检验整个测量地点效应，其中测量地点是三水平的分类因子。考虑原假设为测量地点对浓度没有影响的检验。这其实是当您运行分析 > 拟合模型时“效应检验”报表中针对分类因子提供的普通 F 检验。（请参见《拟合线性模型》手册中的“效应检验”。）
该检验的功效直接显示在“将更改应用于预期系数”按钮下方。模型项“测量地点 1”和“测量地点 2”的“预期系数”下的条目都为 0.10。这些设置暗示两个测量地点的效应都使浓度高于整体预期均值 0.10 个单位。对于“测量地点 1”和“测量地点 2”系数的这些设置，“测量地点 3”对浓度的影响是使浓度比整体预期均值减少 0.20 个单位。图 15.17显示检验用于检测至少这个量的差值的功效为 0.888。
相关知识
保健食品功效/标志性成分分析
舒筋健络油主要成分功效分析
保健品功效成分分析（成分类型一览）
三清茶口臭缓解与减肥双重功效解析，效果实测分析
花生酱的保健功效科学分析
普洱茶的减肥功效与实际效果分析
常用保健品举例及功效分析
减肥咖啡主要成分解析及功效
揭秘减肥茶：主要成分、功效与安全性分析
果酸AHA全解析：分类与功效
网址: 功效分析 https://m.trfsz.com/newsview1598070.html
