number of predictors in the model.

number of predictors in the model. The Adj. R2 increases only if
the new term improves the model performance more than what
would be expected by chance, and decreases when a predictor
improves the model less than what would be expected by chance.
The Pred. R2 measures how well the model predicts responses for
new observations. Furthermore, an adequate precision value of
89.23 that measures the signal-to-noise ratio indicated that the
established model can be used to navigate the design space bound for the %AAr data set, an F-value of 19.65 was obtained with a
corresponding P < 0.0001 value, indicating significant fit to the
quadratic model; and a non-significant (F-value ¼ 1.30, P ¼ 0.337)
lack-of-fit. The individual linear effects of heating temperature,
exposure time, and initial AA content; and the individual quadratic
effects of temperature and initial AA content significantly influenced
%AAr in the heated SFJ, resulting to the predictive model
Equation (6). The calculated model R2, Adj. R2 and Pred. R2 values of
0.803, 0.762, and 0.662, respectively, similarly indicate goodnessof-
fit and performance, and are in reasonable agreement with
each other.

ผลลัพธ์ (ไทย) 1:

จำนวน predictors ในแบบจำลอง การปรับปรุง R2 เพิ่มเมื่อคำใหม่ช่วยเพิ่มประสิทธิภาพการทำงานของแบบจำลองมากกว่าอะไรจะคาดหวัง โดยมีโอกาส และลดลงเมื่อมีผู้ทายผลปรับปรุงรูปแบบน้อยกว่าที่จะคาดหวังโดยบังเอิญPred. R2 มาตรการวิธีการที่ดีแบบทำนายการตอบสนองสำหรับสังเกตใหม่ นอกจากนี้ ค่าความเพียงพอของ89.23 ที่วัดอัตราส่วนสัญญาณเสียงรบกวนระบุที่แบบจำลองที่สร้างขึ้นสามารถใช้นำพื้นที่ออกแบบสำหรับชุดข้อมูลของ AAr % F-ค่าของ 19.65 กล่าวด้วยการค่าตรงกัน P < มาก 0.0001 บ่งชี้สำคัญที่เหมาะสมรูปแบบกำลังสอง และไม่ใช่อย่างมีนัยสำคัญ (ค่า F ¼ P 1.30 ¼ 0.337)ขาดของพอดี แต่ละเส้นผลกระทบจากอุณหภูมิ ความร้อนเวลาเปิดรับแสง และเริ่มต้นเนื้อหา AA และกำลังสองแต่ละผลของอุณหภูมิและเริ่มต้น AA เนื้อหาอย่างมีนัยสำคัญที่มีผลต่อ% AAr ใน SFJ อุ่น ผลแบบจำลองการคาดการณ์สมการ (6) แบบจำลองคำนวณ R2, R2 การปรับปรุง และค่า Pred. R20.803, 0.762 และ 0.662 ตามลำดับ ในทำนองเดียวกันระบุ goodnessof-พอดี และประสิทธิภาพการทำงาน และอยู่ในข้อตกลงที่เหมาะสมกับกันและกัน

ผลลัพธ์ (ไทย) 2:

จำนวนการพยากรณ์ในรูปแบบ Adj R2 เพิ่มขึ้นเฉพาะในกรณีที่คำใหม่ช่วยเพิ่มประสิทธิภาพของรูปแบบมากกว่าสิ่งที่คาดว่าจะโดยบังเอิญและลดลงเมื่อมีการทำนายที่ช่วยเพิ่มรูปแบบน้อยกว่าสิ่งที่คาดว่าจะโดยบังเอิญ. Pred มาตรการ R2 วิธีการที่ดีรูปแบบคาดการณ์การตอบสนองสำหรับการสำรวจใหม่ นอกจากนี้ค่าความแม่นยำเพียงพอ89.23 ที่วัดอัตราส่วนสัญญาณต่อเสียงรบกวนชี้ให้เห็นว่ารูปแบบการจัดตั้งขึ้นสามารถนำมาใช้เพื่อนำทางการออกแบบพื้นที่ที่ถูกผูกไว้สำหรับ% AAR ชุดข้อมูล F-ค่าของ 19.65 ได้รับกับP ที่สอดคล้องกัน <0.0001 มูลค่าการแสดงแบบที่สำคัญในรูปแบบสมการกำลังสอง; และที่ไม่ได้อย่างมีนัยสำคัญ (F มูลค่า¼ 1.30, P ¼ 0.337) การขาดของพอดี ผลกระทบเชิงเส้นของแต่ละอุณหภูมิความร้อนเวลารับแสงและเนื้อหา AA เริ่มต้น; และกำลังสองแต่ละผลกระทบของอุณหภูมิและเนื้อหา AA เริ่มต้นอย่างมีนัยสำคัญอิทธิพล% AAR ในน้ำอุ่น SFJ ผลกับรูปแบบการทำนายสมการ(6) รูปแบบการคำนวณ R2, Adj R2 และ Pred ค่า R2 ของ0.803, 0.762 และ 0.662 ตามลำดับแสดงให้เห็นในทำนองเดียวกัน goodnessof- พอดีและประสิทธิภาพการทำงานและอยู่ในข้อตกลงที่เหมาะสมกับแต่ละอื่น ๆ

ผลลัพธ์ (ไทย) 3:

จำนวนของตัวแปรในแบบจำลอง ส่วนคำคุณศัพท์ R2 เพิ่มถ้า
เทอมใหม่ปรับปรุงรูปแบบการแสดงมากกว่าสิ่งที่
คาดว่าจะเป็นโดยบังเอิญ และลดลงเมื่อทำนาย
ปรับปรุงรูปแบบน้อยกว่าสิ่งที่คาดว่าจะเป็นโดยบังเอิญ
เปรต . อาร์ทูมาตรการวิธีที่ดีที่รูปแบบคาดการณ์การตอบสนอง
สังเกตใหม่ นอกจากนี้ ค่าความแม่นยำเพียงพอ
8923 ที่ใช้วัดอัตราส่วน พบว่า โมเดล
ขึ้นสามารถใช้นำทางการออกแบบพื้นที่ผูกพันและรับข้อมูลที่มีค่าของ 19.65 ได้สอดคล้องกันด้วย
p < 0.0001 ) ค่าแสดงกับ
รูปแบบกำลังสอง และไม่แตกต่างกัน ( P ¼ 0.337 ค่า¼ 1.30 , )
ขาดพอดี แบบเชิงเส้น ผลที่แต่ละอุณหภูมิความร้อน