核心编辑：
我们非常感兴趣地阅读了马克·J·安德森（Mark J. Anderson）发表在《塑料薄膜与片材杂志》（Journal of Plastic Film & Sheeting, 2026年）上的文章《不要让R平方值（R-squared）主导你的决策》。安德森提醒我们一个重要的方法论观点：决定系数（R2）不应被作为判断实验模型是否有用的通用标准。
1 通过模拟设计实验，他证明了即使估计的效果在科学上仍有意义，缩小因素的范围也会显著降低R2值。在他的例子中，一个R2值为0.2373的模型仍然具有高度显著性（p < 0.0019），且没有表现出明显的拟合不良。
1 因此，他恰当地强调了模型的显著性、领域知识以及通过后续实验进行确认的重要性，而不仅仅依赖R2值本身。
这篇文章对塑料薄膜研究尤为重要，因为制造实验通常涉及受限的操作范围。材料安全、设备限制、产品规格和生产风险可能阻止研究人员在理论上最宽的范围内测试各种因素。因此，相对较低的R2值可能反映的是实验范围的狭窄，而不是模型本身的不足。安德森的观点也补充了《塑料薄膜与片材杂志》上之前关于适当实验设计分析、响应变换和实验模型仔细评估的方法论研究。
3 然而，我们建议做一个重要的补充：不应简单地将低R2值替换为统计显著性作为主要的决策标准。显著的p值虽然能够证明原假设不成立，但它本身并不能证明模型的预测能力、实际重要性、稳健性或可转移性。这一区分尤为重要，因为当R2值被直接解读为回归模型解释的变异量时可能会产生误导。例如，高（Gao, 2024）指出了传统R2值解释方法中的重要局限性，并警告不要将R2值视为解释变异量的直接指标。
2 此外，模型选择也引入了一个额外的方法论问题。皮伦内（Pirenne）和克拉斯肯斯（Claeskens，2024）的研究表明，基于调整后的R2值选择回归模型可能需要适当的后续推断，因为使用相同数据进行模型选择可能会影响后续统计结论的有效性。
4 因此，即使一个基于调整后R2值的模型看似更优，也不应不考虑模型选择的后果就简单地认为它在统计或预测上更优越。
因此，一个更合理的塑料薄膜和包装研究框架应该将R2值视为多维模型验证策略的一个组成部分。研究人员应报告调整后的R2值、预测的R2值以及效应估计和置信区间、方差分析（ANOVA）结果、拟合优度检验、残差诊断、预测误差指标，并在可行的情况下进行独立的验证实验。这种方法能够区分统计上的可检测性和工程上的实用性。它还能降低将统计上显著的模型应用于新生产条件时出现问题的风险。这样的报告框架与安德森的建议一致，即结合统计证据、工程判断和后续实验。
1 这一问题对菲律宾的塑料包装行业尤为重要。该国通过2022年的第11898号共和国法案（Extended Producer Responsibility Act, EPR Act）加强了了对塑料包装的监管要求，该法案规定了塑料包装废弃物的生产者责任，并设定了逐步提高的回收目标。
5 这一政策背景增加了在评估塑料材料、包装系统、生产替代方案和回收策略时进行技术上合理研究的重要性。
最近与菲律宾相关的研究进一步表明了塑料管理决策的复杂性。2025年的一项研究探讨了塑料小袋生产者责任扩展方案对环境的影响，报告了不同管理策略之间的差异，并强调了在考虑生产者责任扩展（EPR）干预措施时评估环境后果的重要性。
6 这些发现强调了在选择材料、加工条件、包装格式和废物管理策略时需要技术上稳健的模型。
本文的新颖之处在于将安德森的统计警告与发展中国家塑料薄膜研究中日益重要的政策和可持续性要求联系起来。未来的菲律宾研究可以整合实验设计和响应面方法（response surface methodologies）与生命周期评估（life-cycle assessment）、材料性能指标（material-performance indicators）以及与生产者责任扩展相关的环境结果（EPR-related environmental outcomes）。研究人员不应仅仅关注实验模型是否达到了预定的R2值阈值，而应关注它是否能识别出有意义的因素、在预期操作范围内提供可靠的预测结果，并支持经济上和环境上可行的决策。
总之，安德森的文章是一个有价值的贡献，因为它对实验研究中一个根深蒂固但可能具有误导性的做法提出了挑战。
1 我们鼓励塑料薄膜和包装领域的研究人员、审稿人和编辑放弃以R2值为中心的评估方法，转向综合考虑统计显著性、实际效应大小、预测性能、模型假设和独立验证的方法。这种方法可以提高方法论的严谨性和实验结果在现实世界中的实用性，尤其是在像菲律宾这样的国家向更加负责和循环型的塑料包装系统转型的过程中。 
