1.3.2.1 回归模型 回归建模法在统计建模中应用最为广泛，用于建立自变量与因变量之间的定量关系，这种关系是近似的、不严格确定的经验规律，仅在测试数据的范围内成立。回归模型具有建模简单、易解释等特点。在QbD环境中，DOE方法能够辅助科学地制定实验方案，获取统计建模所需的输入与输出数据。如本课题组运用中心复合设计开发高速湿法剪切制粒的工艺设计空间，从而控制微晶纤维素颗粒的粒径[16];析因设计[17]、中心复合设计、均匀设计[18-19]、Box-Behnken设计[20]、正交实验设计[21]、Plackeet-Burman设计[20]等在中药制药过程中均有文献报道。中药制药过程中统计模型一般采用多元线性模型，二次多项式模型等。

    1.3.2.2 潜变量模型 潜变量模型(Latent Variable Modeling，LVM)是通过提取潜变量(Latent Variables，LVs)的方式将原始高维空间投影到低维空间，并且使新的特征尽可能多的保留原始信息，从而实现对高维数据进行降维，然后在潜变量空间中分析样本、自变量、因变量之间的关系。如图2所示，以数据矩阵X(12×3)为例，该数据的原始空间为三维空间，通过提取2个潜变量LV1，LV2后，将三维空间数据X转换为二维空间(潜变量空间) ......