Minitab 为每个预测的响应计算单个合意性。然后，将单个合意性值组合为复合合意性。这些合意性值有助于了解预测的响应与目标要求的接近程度。合意性测量所得的值在 0 到 1 的范围内。

单个合意性：预测的响应越接近目标要求，合意性就越接近 1。

复合合意性：复合合意性将单个合意性组成为整体值，且反映响应的相对重要性。合意性越高，它就越接近 1。

默认情况下，Minitab 为响应设置相等的重要性，并为每个响应分配重要性值 1。可以更改重要性，以使某些响应对复合合意性的影响大于其他响应。

·    如果要更强调响应，请相对于其他响应增加其重要性。

·    如果要少强调响应，请相对于其他响应降低其重要性。

预测的响应
 
香料   =   93.8847  ,   合意性 =   0.847119
数量   =    1.1261  ,   合意性 =   0.747797
烧制   =    1.3999  ,   合意性 =   0.800032
 
复合合意性 = 0.809459
                                      

对于火锅数据，所有单个合意性值都比较高，但都小于 1。这可能是因为通过折衷最大化了复合合意性。另一方面，也可能某些或所有目标无法实现。火锅数据的单个合意性汇总如下：

·    口味的合意性分值为 0.847119，因为口味的预测响应 93.8847 大约位于最小可接受值 60 与目标 100 之间的 84.7% 处。当权重为 1 时，因为它适合所有这些响应，您可以这样解释合意性。口味的目的是最大化口味；因此，值越高越好。

·    粘附量的合意性分值为 0.747797，因为密度的预测响应 1.1261 大约位于上限 1.5 与目标 1 之间的 74.8% 处。目的是实现目标数量。

·    烧焦量的合意性分值为 0.800032，因为预测响应 1.3999 大约位于其上限 3 与其目标 1 之间的 80% 处。烧焦量的目的是最小化；因此，值越低越好。

对于火锅数据，复合合意性 0.80946 相比粘附量和烧焦量（重要性 = 1）更强调口味（重要性 = 2）。