在质量改进与工艺研究中，相关分析、回归分析与 DOE（实验设计）是三件常被并列提及的工具。

三者都处理变量之间的关系，但各自的出发点、数据要求和结论能力并不相同。

🔹相关分析：量化变量间的线性关联程度

相关分析用统计量描述两个变量之间线性关系的方向与强度，不预设因果关系。

最常用的指标是 Pearson 相关系数 r，取值范围为 [−1, 1]

r = 0 表示无线性相关

绝对值越接近 1 线性关系越强；r > 0 为正相关

r < 0 为负相关

相关系数的强弱通常参考经验分档如下：

|r| 在 0.1~0.3 为弱相关，

0.3~0.5 为中等相关，

0.5 以上为强相关（ 仅作为建议值，仅作参照，并非硬性判定标准）。

需要注意：相关系数的显著性与样本量密切相关。

在同样的 r = 0.4 下，n = 10 时通常不能拒绝“无相关”的原假设，而 n = 200 时则高度显著——样本量越大，检出的敏度越高。

样本量过小会使 r 受个别离群点影响而大幅波动，估计不稳定；

反之，样本量很大时，即使 |r| 仅约 0.1 也能达到统计显著，

但如此微弱的关联在业务上往往没有实际意义，因此不能把“显著”等同于“重要”，还需结合实际情况来判断。

当变量较多时，可用minitab生成矩阵图，集中展示所有变量两两之间的相关系数。

所以我们应明确：相关只反映变量共变，不能推断因果；

且 Pearson r 仅反映线性关联，变量间若存在曲线关系，r 可能接近 0。

🔹回归分析：建立变量间的定量模型

回归分析在确认存在关联的基础上，用一个方程刻画自变量 X 对因变量 Y 的影响，并用于预测。

只含一个自变量的情形为简单线性回归，模型为 y = a + bx；

含多个自变量的情形为多元线性回归，可同时估计多个因素对 Y 的边际影响。

模型拟合优劣常用决定系数 R² 表示，它反映 Y 的总变异中被模型解释的比例。

但 R² 随自变量个数增加只会上升、不会下降，因此还需参考调整 R²（adjusted R²），

它对额外引入的自变量很敏感，更利于不同变量个数的模型比较。

回归建模后应进行残差分析：检查残差是否近似随机、方差是否齐性、是否呈现未被模型解释的趋势，

若存在系统性有规律的模式，说明模型设定可能有偏。

所以我们应明确：回归能定量刻画“Y 随 X 如何变化、变化幅度多大”，但自变量与因变量之间的因果关系仍须由实验来一一验证。

DOE（实验设计）：主动操控因子以获取因果证据

DOE 通过预先规划、主动改变因子水平并安排试验组合，在受控条件下识别关键因子、揭示交互作用并确定较优参数。

其中，因子（factor）是研究中被主动控制的变量，水平（level）是每个因子所取的具体取值；

将所有因子水平的组合全部施行的设计为全因子设计，只施行部分组合的为准（部分）因子设计。

DOE 的重要价值在于识别交互作用：一个因子的最优水平可能取决于另一个因子的取值，

图示中两条拟合线不平行即表明存在交互效应。

部分因子设计能减少试验次数，但会带来效应间的混杂（confounding）

主效应与某些交互作用难以分辨，其可分辨程度由设计的分辨率（Resolution）表征；若混杂严重，需补充试验予以分离。

当试验中存在批次、设备、班次等不可忽视的干扰来源时，可将其设为区组（block），以分离这些系统性差异对主结论的影响。

若目标是在连续取值范围内寻找最优响应而非仅比较高低两档，可采用响应曲面法（RSM），通过二阶模型拟合响应的最优区域。

所以我们应明确：DOE 产出的是结构化、可重复的数据，恰好可作为回归建模与相关分析的数据基础。

三者如何衔接？

DOE 通过主动试验获得高质量数据 → 回归分析据此建立定量模型、估计各因素的影响 → 相关分析用于描述变量间的关联强度。

简而言之：

DOE 负责在受控条件下主动获取数据

相关分析与回归分析负责从数据中提炼关系与规律

回归分析常作为 DOE 的后续分析步骤

三者如何选用？

仅有历史观测数据、先要判断变量间是否有关联 → 相关分析

已有数据、需量化影响并做预测 → 回归分析

需主动识别关键因子、确定较优参数 → DOE（完成后通常用回归建模）

三者并非等级高低之分，而是分别处于“被动分析已有数据”与“主动设计实验获取数据”的不同环节；

在实践中常配合使用——DOE 提供数据，回归建立模型，相关描述关联。

相关、回归与 DOE 均为六西格玛方法论中的重要分析工具。

六西格玛体系还系统涵盖 MSA、SPC、过程能力分析、假设检验、控制计划等内容。

自习人课堂整理了一份六西格玛学习资料包，有知识点框架、公式整理、考点总结和备考资料，适合质量、生产、工艺、设备工程师系统学习，也适合后续备考绿带、黑带复习。

需要备考资料的同学 添加六六老师微信  zixiren888