做响应面或工艺优化时，很多人第一次看到Lack of Fit这一行都会有点发懵。明明模型那一行已经显著了，怎么下面又冒出一个缺失拟合，还偏偏给了个不太好看的概率值。其实这不是多出来的一道题，而是在提醒你，这个模型虽然能解释一部分变化，但未必已经把试验区间里的变化趋势抓准。Stat-Ease官方文档对这个判断说得很明确，Lack of Fit本质上是在拿残差和重复试验得到的Pure Error做比较，看看模型没解释掉的那部分误差，是正常波动，还是模型本身还没拟合到位。

　　一、Design Expert方差分析怎么做缺失拟合

　　真正上手时，别一打开结果就直接盯着Lack of Fit那一行。这个指标要想看得准，前面的设计和分析步骤必须走完整，不然看到的只是表面数字，不是结论。

　　1、先确认试验里有没有重复点

　　Lack of Fit不是每个项目都会自动给出来。官方说明里提到，缺失拟合检验需要有重复试验，还要有足够的设计点与自由度；如果没有重复点，或者模型系数已经把自由度吃得差不多了，软件就不会给出这项结果。

　　2、录入响应后先点【Analysis】再看【Fit Summary】

　　在Design Expert里做方差分析时，不建议一开始就手动拍板选模型。先进入【Analysis】，再点【Fit Summary】，让软件把线性、二次等候选模型先跑一遍。官方帮助写得很清楚，这一步会同时给出p值、Lack of Fit以及R²相关统计量，方便你先判断应该往哪一阶模型走。

　　3、选定模型后再回到【ANOVA】看Lack of Fit和Pure Error

　　到了【ANOVA】页面，重点不是只看Model那一行，还要看Residual下面拆出来的Lack of Fit和Pure Error。官方定义里，Lack of Fit是模型预测值和实际观测值之间没贴合上的那部分，Pure Error则是相同条件下重复试验之间本来就会存在的差异。把这两块放在一起比，才有了缺失拟合检验的意义。

　　4、看到结果后顺手进【Diagnostics】做交叉检查

　　如果Lack of Fit看起来不理想，不要马上判死刑。更稳妥的做法是继续进【Diagnostics】看Box-Cox、残差相关图和异常点表现。官方文档把这一步放得很靠前，因为很多表面上的拟合问题，最后追下去其实是变换没做、异常点没处理，或者模型阶数选低了。

　　二、Design Expert Lack of Fit怎么解释

　　真正难的往往不是把结果跑出来，而是怎么读。很多人把Lack of Fit当成越小越好的一行普通统计量，结果越看越乱。它的判断逻辑其实没有那么绕，抓住前后顺序就清楚了。

　　1、先看模型显著不显著

　　官方对ANOVA的解读很直接，先看模型这一行的Prob>F。如果模型本身都不显著，后面再去纠结Lack of Fit，价值就不大，因为连主要趋势都还没立住。

　　2、再看Lack of Fit的概率值是不是够大

　　在Design Expert的Fit Summary说明里，官方给出的经验判断是Lack of Fit最好不显著，也就是p值大于0.10更理想。反过来说，如果Lack of Fit的p值小于等于0.10，就说明残差明显大于重复试验本该有的自然波动，这时模型不能放心拿去做预测。

　　3、不要把显著缺失拟合机械理解成模型一定报废

　　这一点很容易误判。Stat-Ease在博客里专门提醒过，若重复试验做得不独立，只是同一设定下反复测量，那么Pure Error会被压得很小，Lack of Fit就可能被放大得过于敏感。这种情况下，表面上显著，不一定代表模型真的差。

　　4、把Adjusted R²和Predicted R²一起看

　　官方也建议把Adjusted R²和Predicted R²放在一起判断，二者最好相互接近，差值控制在0.2以内。要是Lack of Fit不好看，同时Predicted R²又比Adjusted R²低很多，那往往就不是小问题，而是模型结构、数据质量或异常点真的需要回头检查了。

　　三、Design Expert出现显著缺失拟合该怎么处理

　　做实验的人最怕的不是看到红字，而是不知道下一步该往哪改。Design Expert真出现显著缺失拟合时，别急着删数据，也别急着换结论，通常按顺序排查会更稳。

　　1、先追重复试验是不是独立完成

　　这是第一步，也是最容易被忽略的一步。官方提醒得很明确，重复试验应该反映过程本来的波动，而不是同一份样本连着测几次。要是重复点只是重复测量，不是真正重复运行工艺，那么Lack of Fit的检验基础本身就不稳。

　　2、再看【Diagnostics】里的Box-Cox有没有给出变换建议

　　官方文档说明，Box-Cox图会在【Diagnostics】里给出建议变换，用来判断响应是否需要做对数、平方根等处理。很多数据表面上是拟合不好，实际上是方差随响应大小变化，没做变换时模型自然容易别扭。

　　3、检查异常点和高影响点

　　如果Predicted R²明显掉得厉害，官方建议优先去看残差图和预测相关诊断图，排查outlier或高影响点。有时候不是整个模型不对，而是某几个点把模型往偏的方向拽走了。

　　4、考虑是不是该升高模型阶数

　　Stat-Ease在缺失拟合说明里举得很直白，线性模型可能会出现显著Lack of Fit，但换成二次模型后就不一定了。所以当工艺本身存在弯曲趋势时，模型选得太保守，往往就是问题根子。

　　5、必要时补点而不是硬解释

　　如果变换看过了，异常点也排了，结果还是显著，那就要认真考虑是否需要增补试验。官方建议里提到，更高阶模型往往需要更多运行点来估计额外项；另外在设计评估阶段，缺失拟合自由度和纯误差自由度也要尽量留够，检验才更有分辨力。

　　总结

　　Design Expert方差分析怎么做缺失拟合，Design Expert Lack of Fit怎么解释，关键不在于把这行数字背下来，而在于知道它到底在和谁比较。你可以把Lack of Fit理解成一个很现实的提醒，它不是问模型有没有用，而是在问这个模型是不是已经足够贴近试验区间里的真实变化。只要先把重复试验、模型阶数、响应变换和异常点这几件事按顺序排清，再去读ANOVA里的Lack of Fit，很多原本看着玄乎的结果，其实都会变得很直白。