针对最小二乘支持向量回归机(LS-SVR)应用于试验设计建模及参数优化而产生的可解释性差、难以识别显著性影响因子等不足，提出一种适用于LS-SVR的拟合不足检验及显著性因子筛选方法.首先在重复性试验设计条件下，将LS-SVR拟合模型的“残差平方和”分解为“拟合不足平方和”与“纯误差平方和”;进而给出了“拟合不足均方”与“纯误差均方”比值的近似非中心F-分布，构造出拟合不足检验的方差分析表；在此基础上，提出一种两阶段的显著性因子筛选方法，通过考察某个因子(组合)移除后模型拟合不足显著性的变化，来推断该因子(组合)显著性.仿真研究与实证表明，所提方法不仅能够增强LS-SVR的统计可解释性，有效识别出显著性因子；而且可以得到预测性能更优的简化模型；有助于提升试验设计建模及参数优化效率，降低质量改进成本.