下载文档原格式
实验设计的方差分析与正交试验一、实验设计中的方差分析方差分析（analysis of variance，ANOVA）是一种统计方法，用于比较不同组之间的均值差异是否具有统计学上的显著性。
在实验设计中，方差分析主要被用来分析因变量（dependent variable）在不同水平的自变量（independent variable）中的变化情况。
通过比较不同组之间的方差，判断是否存在显著差异，并进一步分析差异的原因。
1. 单因素方差分析单因素方差分析是最简单的方差分析方法，适用于只有一个自变量的实验设计。
该方法通过比较不同组之间的方差来判断各组均值是否有差异。
步骤如下：（1）确定研究目的，选择合适的因变量和自变量。
（2）设计实验，确定各组的样本个数。
（3）进行实验，并收集数据。
（4）计算各组的平均值和总平均值。
（5）计算组内方差和组间方差。
（6）计算F值，通过计算F值来判断各组均值是否有显著差异。
2. 多因素方差分析多因素方差分析是在单因素方差分析的基础上，增加了一个或多个自变量的情况下进行的。
这种方法可以用来分析多个因素对因变量的影响，并判断各因素的主效应和交互效应。
步骤如下：（1）确定研究目的，选择合适的因变量和多个自变量。
（2）设计实验，确定各组的样本个数。
（3）进行实验，并收集数据。
（4）计算各组的平均值和总平均值。
（5）计算组内方差、组间方差和交互方差。
（6）计算F值，通过计算F值来判断各组均值是否有显著差异。
二、正交试验设计正交试验设计是一种设计高效实验的方法，可以同时考虑多个因素和各个因素之间的交互作用，并通过较少的试验次数得到较准确的结果。
1. 正交表的基本原理正交表的设计是基于正交原理，即每个因素和其他所有因素的交互效应都是独立的。
通过正交表设计实验，可以确保各因素和交互作用在样本中能够均匀地出现，从而减少误差来源，提高实验结果的可靠性。
2. 正交试验设计的步骤（1）确定要研究的因素和水平。
正交试验设计2正交试验数据方差分析和贡献率分析正交试验设计是一种实验设计方法，通过选择适当的试验水平组合和设置统计模型，以减少试验阶段的试验次数和工作量，提高试验的效率和准确性。
正交设计通过对变量进行排列组合，使各变量的效应独立出现并减少副效应的影响，从而使实验结果更加可靠。
正交设计数据分析方法方差分析(ANOVA)是一种统计方法，用于测试在不同因素水平下的平均值是否相等。
在正交试验中，方差分析可以用于测试各个因子对试验结果的影响是否显著。
方差分析通常包括总体均值检验、各因子的效应检验以及误差项的检验。
通过方差分析可以确定哪些因子对试验结果的影响是显著的，进而确定最佳的试验条件。
贡献率分析是一种用于确定各个因子对试验结果的贡献程度的方法。
贡献率分析可以通过计算各个因子的均方根(RMS)值来确定各个因子的贡献程度。
贡献率可以用来排除一些不显著的因子，从而进一步优化试验条件。
1.节省试验次数和工作量：由于正交设计能够减少变量之间的相关性，可以通过较少的试验次数得到可靠的结果。
2.减少误差项：正交设计通过考虑副效应的影响，减少了试验误差的可能性，提高了数据的可靠性。
3.确定关键因素：正交设计通过方差分析和贡献率分析，可以确定对试验结果有着显著影响的关键因素，从而进行进一步优化。
4.灵活性：正交设计可以根据实验需求进行灵活的调整和改变，以适应多样的试验条件和目标。
总结正交试验设计是一种有效的实验设计方法，可用于减少试验次数和工作量，提高试验效率和准确性。
方差分析和贡献率分析是对正交设计数据进行进一步分析和总结的重要工具，可以帮助确定关键因素和优化试验条件。
正交试验设计能够在实验设计的早期阶段对各个因子进行全面考虑，从而为实验结果的有效性和可靠性打下基础。
正交实验
1． 选择正交表
根据上面的水平表，由于水平数2，所以要选用L n (2
)型正交表，本例中有3个因素，且考虑因素间的交互作用，所以要选一张5 m 的表，而L 8(27)是满足条件的最小L n (2m )型正交表。
2． 表头设计
3． 数据的填写与试验结果
4． 计算K1、K2、R
由于计算K1、K2、R ，数据量小，且数据所在列不规则，可以直接在要求和单元格里直接输入=单元格+单元格 的简单公式如下图
水平 (A)碱含量/%
(B)操作温度/°C
©填料种类
1 5 40 甲
2 10
20
乙
试验号 A B A ×B C 空列 B ×C 空列 SO 2摩尔分率×100
1 2 3 4 5 6 7
同理用这个方法可以求得K2、R ，如下图
5． 计算离差平方和
利用Excel 内置函数SUMSQ （）该函数返回所选数的平方和，如计算A 2+B 2可以输入=SUMSQ(A,B)，可得到结果，与平时所用求和函数SUM （）类似。
由于n
T K K n SS A 22
2)21(2-+=
；其中∑==
n
i i
y
T 1
=97，可用SUM 求得
其中，P=T2/n可在单元格B24中输入“=B23*B23/8”求得。
而SS A的计算可在B20单元格中输入“=SUMSQ(B16:B17)/4-$B$24”；
其中$代表绝对引用。
复制公式到C20,D20,E20,F20,G20,G20,可得到各自的离散和。
6．方差分析
下图为所填写好的方差分析表：
差异源SS df MS F 显著性
A 6.125 1 6.125
B 136.125 1 136.125 14.91781 *
C 3.125 1 3.125
A×B 171.125 1 171.125 18.75342 * B×C 105.125 1 105.125 11.52055 * 误差e 27.25 2 13.625
误差e△36.5 4 9.125
(1,4) 7.708647421
F
0.05
F
(1,4) 21.19768958
0.01
其中Ａ，Ｂ，Ｃ的自由度是为m(水平数)-1，A×B，B×C的自由度为dfＡ×df B, df B×
df
C
误差e是空列SS之和，自由度也是空列个数之和。
误差e△是合并Ａ，Ｂ两因素离散平方和后的结果，因为SS A,SS B都小于误差项e，故将其并入误差e△中去。
对于显著性水平α=0.05,0.01,的F0.05(1,4)，与F0.01(1,4)，可通过函数FINV()求得。
7．主次顺序分析
从离散和可以直接看出主次顺序：A×B ， B ，B×C
由于存在交互项的影响较在，故应该在通过因子的搭配来确定最优方案。
１．确定无交互项的最佳水平选择B2，因为SO2要越小越好。
２．列出A
1
3．同理可确定C2。
故优优方案为：Ａ1，B2，C2。
