迴歸分析中的缺適性檢定代表什麼？何時會出現於 Minitab 分析中呢？
當迴歸模型不能充分描述試驗因子與反應變數之間的函數關係時，它就表現為缺適性 (lack-of-fit)。如果模型中未包含重要的項 (比如交互作用項或二次項) ，則有可能出現缺適性。如果配適模型時，出現一些異常大的殘差，則也有可能發生缺適性。
當您的資料包含重覆 (具有相同 x 值的多個觀測值) 時，Minitab 顯示缺適性檢定。重覆 (replicates) 表示 “純誤差 (pure error)”，因為只有隨機變異才能導致觀測值之間出現差異。
要確定模型是否能夠準確配適數據，可以比較 p 值 (P-value) 與您的顯著水準。在一般情況下，顯著水準 (也稱為 alpha 或 α) 為 0.05 時最佳。α 值為 0.05 表示您斷定模型與資料不適合 (而實際為適合) 的幾率僅為 5%。
p 值 < α：模型無法配適數據
如果 p 值小於或等於 α，您斷定模型與資料的配適不正確。為了得到更好的模型，您可能需要增加項或轉換資料。
p 值 > α：沒有證據表明模型與資料不合適
如果 p 值大於 α，您無法斷定模型無法充分配適數據。
