曲面图显示拟合的响应与两个连续
变量的相关程度。曲面图以两个维度显示三维关系，同时变量在 X 和 Y 标尺上，响应 (z) 变量由平滑曲面表示。在这里我们假设：某公司生产的产品之一是成型树脂零件。该公司知道，管道中的污染和通过软管输送过程中的磨损可能导致最终产品产生褪色条纹。螺丝钉越大，推动粒料通过软管的速度就越快。公司决定使用一种新型树脂粒料收集此类褪色缺陷的数据，以找到输送粒料的最佳方式。
工具/原料
1
Minitab 17
2
树脂缺陷.MTW
方法/步骤
1
打开工作表“树脂缺陷.MTW”。
2
左键单击菜单栏选择统计 ---> 回归 ---> Poisson 回归 ---> 拟合 Poisson 模型。
3
在响应中，输入褪色缺陷；在连续预测变量中，输入清洁小时和温度；在类别预测变量下，输入“螺丝钉的大小”； 单击模型， 在“预测变量”下，选择“温度”和“螺丝钉的大小”； 对于按阶数排列交互作用，请选择2； 在按阶数排列交互作用的旁边，单击添加；在两对话框中都单击确定。
4
左键单击选择菜单栏统计 ---> 回归 ---> Poisson 回归 ---> 曲面图。
5
在变量中，选择为所有连续变量对生成图， 在为所有连续变量对生成图中，选择在单独的图形上； 按设置，在保持类别变量在中选择小，在两对话框中都单击确定。
6
我们得出以下结果：
7
解释结果：可以看到，当温度较低和清洗小时较高时，发生的缺陷数最高。曲面在不同的温度下相对平台，说明对于小螺丝钉而言，温度的影响较时间影响小。