如何拟合我的均匀设计的结果

我先使用了一个均匀设计

试验编号	秋水仙素浸泡浓度（x1）	浸泡时间(x2)	处理时温度（x3）
U7-1	0.18%	28	48℃
U7-2	0.30%	22	45℃
U7-3	0.10%	32	42℃
U7-4	0.22%	26	39℃
U7-5	0.34%	20	36℃
U7-6	0.14%	30	33℃
U7-7	0.26%	24	30℃

那么，这就是3个自变量。然后，测出在在这3个自变量不同作用水平下的诱导率，是变量。

试验编号	秋水仙素浸泡浓度（x1）	浸泡时间(x2)	处理时温度（℃）	4倍体诱导率（y）
U7-1	0.18%	28	48	0.43
U7-2	0.30%	22	45	0.41
U7-3	0.10%	32	42	0.39
U7-4	0.22%	26	39	0.49
U7-5	0.34%	20	36	0.4
U7-6	0.14%	30	33	0.42
U7-7	0.26%	24	30	0.42

那么，我现在要做的就是：根据已有的数据进行曲线拟合，并找到合适的表达方程式。并且能够对这个方程式，进行评价，如adj r2为多少等。
并且，这个方程式的最大值，也就是最大诱导率要与实际实验验证的结论一致。
在浓度0.001-0.0034之间，浸泡时间20-32之间，温度30-48之间，存在最大诱导率。

用多种方法试了试，见7楼。
请楼主自己选用。

哎，这类问题用DPS倒是很容易搞定的！不过，我用的是Mathematica。

我看你总共的论坛币也不足50个啊，还怎么悬赏50个呢？
做人要诚实，呵呵

为了拟合得好，要选用比较高次的方程。可你的数据只有区区7个。真是难为人啊！

可用偏最小二乘，或者用二次多项式逐步回归都可以，SAS都可以做出来，就是有点麻烦，DPS都是很方便。

用DPS 7.05分析（“均匀设计回归分析”），得到的结果为（没有交互项）
Y=  3.57675381+2305.820525X1  -0.646612956X2  +0.0536293566X3  -417593.91874X1*X1+0.01423664046X2*X2-0.000687090408X3*X3            
最高指标时各个因素组合   
Y x1 x2 x3
1.6929 0.0028 32.0000 39.0263
=========================
用DPS 7.05分析（“均匀设计偏最小二乘建模”），得到的结果为（有交互项）
y=0.0614231-26.711544x1+0.026312x2+0.003990x3-14168.946205x1*x1-0.000567x2*x2-0.000036x3*x3+2.833789x1*x2+0.394266x1*x3-0.000079x2*x3               
最优指标时各个因素组合   
目标函数  0.4519
x1  0.0022
x2  26.0000
x3  39.0000
==============
用SAS的响应面回归得到的结果为（自动剔除掉不显著的x2，以及它与x1、x3的交互项）
y=-1.069473+341.601563 x1+0.060703 x3-64941 x1^2-1.432292 x1 x3-0.000738 x3^2
之后用Mathematica求解
0.489764, {x1 -> 0.0022001, x3 -> 38.9917}
============
用Mathematica得到的回归结果为
-0.137267 + 9.48248 x - 37083.9 x^2 - 0.0077149 y + 3.20936 x y -
0.000472428 y^2 + 0.022338 z + 3.75218 x z + 0.00103689 y z -
0.000737847 z^2
取得的极值与条件为：
0.664285, {x -> 0.0034, y -> 32., z -> 46.2671}
===========

谢谢~~~~~~~~~~~~~~~~~``