2. Minitab界面与数据准备
配方实验的方差分析能否得到可信结论，很大程度上不取决于点击“运行”那一刻，而取决于数据进入 Minitab 之前和进入时的形态。Minitab 的方差分析（ANOVA）与一般线性模型对数据结构有明确假设：每个响应值必须独占一行，每个因子必须独占一列，因子水平用文本或数字编码，缺失值用星号表示。若把配方表按“配方一行、重复测量横向铺开”的方式录入，Minitab 会把重复测量误读为不同列变量，导致无法建立正确的误差项。因此本节的核心任务不是记住菜单位置，而是建立“一行一次试验、一列一个变量”的数据观，并掌握录入、导入与格式整理的具体做法。
认识与方差分析相关的工作界面
Minitab 主窗口由菜单栏、工具栏、工作表（Worksheet）区和会话窗（Session）区构成。做配方方差分析时，最常打交道的区域有三个：工作表用于存放原始数据，列头显示 C1、C2 等列号与列名；会话窗以文本形式输出方差分析表、均值、R-sq 等结果，便于复制留档；图形窗口承载残差图、主效应图等。菜单路径上，方差分析集中在“统计 > 方差分析”，一般线性模型在“统计 > 方差分析 > 一般线性模型 > 拟合一般线性模型”，而数据整理工具集中在“数据”菜单（拆分列、堆叠列、转置、排序、编码）和“计算”菜单（计算器、生成模式数据）。理解这些入口的归属，能避免在错误菜单里反复寻找。
一个容易被忽略的界面细节是列的数据类型。Minitab 列分为数值型、文本型和日期型，列名下方会以图标区分。配方编号、批次号、操作员这类标识应设为文本型，否则 Minitab 可能把它们当作连续协变量参与建模；因子水平如“温度 150/170/190”若以数字录入，需要在分析时明确声明为因子，或在整理阶段用文本编码。数据类型设错，往往在方差分析表中表现为自由度异常或因子被当作协变量，排查成本很高。
数据录入：从配方表到工作表
假设一个三因子两水平的配方筛选实验：因子 A 为催化剂类型（Cat1、Cat2），因子 B 为温度（150℃、170℃），因子 C 为时间（30min、45min），全因子共 8 个配方组合，每个组合重复 2 次，响应为收率。正确的录入结构是 16 行数据、4 列变量：一列“配方号”（文本）、三列因子、一列“收率”（数值）。重复试验通过重复行体现，而不是在同一行放两个收率列。若确实需要记录两次重复的差异来源（如不同班次），可增加一列“班次”作为区组因子，这比横向铺开更利于后续把区组效应纳入模型。
录入时建议先在第一行写列名，再逐行填写。列名应简短、无空格、含义明确，例如 催化剂、温度、时间、收率。Minitab 允许中文列名，但在会话窗输出和图形标签中，过长的中文列名可能被截断，建议控制在 6 个汉字以内。对于缺失的试验点，直接留空或输入 *，Minitab 在分析时会自动排除该行并在结果中报告缺失情况；不要用 0 填充，因为 0 会被当作真实观测值参与计算，直接扭曲误差平方和。
导入外部数据与格式整理
配方数据常来自 Excel 或 LIMS 导出文件。通过“文件 > 打开 > 工作表”或直接复制粘贴均可导入。导入后必须做三项检查：其一，确认数值列没有被识别为文本（若列头出现文本图标而内容应为数字，需用“数据 > 更改数据类型”转换）；其二，确认因子水平拼写一致，例如“Cat1”与“cat1”、“Cat 1”会被视为三个不同水平，可用“编辑器 > 查找替换”统一；其三，确认没有多余的空行、合计行或单位行混入数据区，这些行会被当作观测值。
当数据以“宽表”形式存在，即每个配方一行、两次重复分列存放时，需要用“数据 > 堆叠 > 列”把重复列堆叠为单列响应，同时用“堆叠”对话框中的“将存储的变量作为”选项生成一个标识重复来源的列。反之，若数据以“长表”存在但需要按配方汇总，可用“数据 > 拆分列”或“统计 > 基本统计量”先做描述性检查。整理完成后，建议用“统计 > 基本统计量 > 显示描述性统计量”按因子分组查看每组的样本量与均值，确认每个配方组合的重复次数符合设计，这是进入方差分析前最经济的一次数据体检。
把整理结果落到分析入口
数据就绪后，进入“统计 > 方差分析 > 一般线性模型 > 拟合一般线性模型”，在“响应”中选入收率，在“因子”中选入催化剂、温度、时间（若把重复作为区组，也一并选入）。此时 Minitab 会自动按因子水平组合计算自由度与误差项。若在“结果”子对话框中勾选“方差分析表”和“模型汇总”，会话窗会输出平方和、均方、F 值与 P 值，以及 R-sq 和调整 R-sq。需要强调的是，这一步能否顺利执行，完全取决于前面的列结构与类型是否正确；很多“因子无法识别”“误差项自由度为 0”的报错，根源都在数据准备阶段。
最后给出一个可直接套用的整理检查表，作为本节的可执行成果：列名是否唯一且简短；每列数据类型是否与含义匹配；因子水平是否已统一编码；是否存在空行、合计行或单位行；重复试验是否以行重复而非列展开；缺失值是否用星号表示；分组样本量是否与设计一致。七项全部通过，再进入方差分析，可以显著减少返工。数据准备看似琐碎，但它决定了后续 F 检验、残差诊断与结论解释的地基是否牢固。