在二十一世纪全球经济一体化的背景下，企业要面对来自全世界的竞争对手，不断的改进本企业的产品质量，产品研发过程中的质量设计是企业改进产品质量的有效手段。　　 产品的研究与开发是产品质量形成的开始，因而是全过程质量管理的起点。产品研究与开发中的质量管理注重于对产品的设计质量，为了设计具有优异质量的产品，必须建立产品的质量特性与影响因素之问的模型。流程性企业是国民经济发展中的重要基础产业，它覆盖了广泛的产业领域。流程性工业产品设计的核心是其产品的配方设计，高效准确的建立产品的性能指标与配方因子间模型关系可以提高流程性产品的设计质量。常用的多元线性模型、多元二阶响应模型、正交多项式模型都是在同方差的假设条件下进行建模，如果存在异方差，将影响模型的精度。文章介绍了异方差模型，研究和分析了异方差的检验和利用加权最小二乘法消除异方差对模型的影响。非线性高阶模型是配方建模中的难点，文章研究了应用BP神经网络和RBF神经网络进行高阶非线性模型的具体过程，通过实例研究表明BP人工神经网络和RBF人工神经网络是解决高阶非线性建模的有效方法。希望文章对于产品研发中统计建模技术的研究能够有助于企业改善其产品质量，提升企业的产品竞争力，在激烈的市场竞争中立于不败之地。