产品质量的高低主要是由设计决定的，一个好的试验设计包含几个方面的内容。

　　1、明确衡量产品质量的指标，6σ管理强调用数据说话，所以这个质量指标必须是能够量化的指标，在试验设计中称为试验指标，也称为响应变量 （response variable）或输出变量。

　　2、寻找影响试验指标的可能因素（factor） ，也称为影响因子和输入变量。因素变化的各种状态称为水平，要求报据专业知识初步确定因家水平的范围。

　　3、根据实际问题，选择适用的试较设计方法试验设计的方法有很多，每种方法都有不同的适用条件，选择了适用的方法就可以事半而功倍，选择的方法不正确或者根本没有进行有效的试验设计就会事倍而功半。

　　4、科学地分析试验结果，包括对数据的直观分析、方差分析、回归分析等多种统计分析方法，这些工作可以借助Minititab软件完成。

　　回归分析的步骤

　　1、根据预测目标，确定自变量和因变量

　　明确预测的具体目标，也就确定了因变量。如预测具体目标是下一年度的销售量，那么销售量Y就是因变量。通过市场调查和查阅资料，寻找与预测目标的相关影响因素，即自变量，并从中选出主要的影响因素。

　　2、建立回归预测模型

　　依据自变量和因变量的历史统计资料进行计算，在此基础上建立回归分析方程，即回归分析预测模型。

　　3、进行相关分析

　　回归分析是对具有因果关系的影响因素（自变量）和预测对象（因变量）所进行的数理统计分析处理。只有当变量与因变量确实存在某种关系时，建立的回归方程才有意义。因此，作为自变量的因素与作为因变量的预测对象是否有关，相关程度如何，以及判断这种相关程度的把握性多大，就成为进行回归分析必须要解决的问题。进行相关分析，一般要求出相关关系，以相关系数的大小来判断自变量和因变量的相关的程度。

　　4、检验回归预测模型，计算预测误差

　　回归预测模型是否可用于实际预测，取决于对回归预测模型的检验和对预测误差的计算。回归方程只有通过各种检验，且预测误差较小，才能将回归方程作为预测模型进行预测。

　　5、计算并确定预测值

　　利用回归预测模型计算预测值，并对预测值进行综合分析，确定最后的预测值。