正交试验设计之方差分析

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。

第十一章正交设计试验资料的方差分析在实际工作中，常常需要同时考察 3个或3个以上的试验因素，若进行全面试验，则试验的规模将很大，往往因试验条件的限制而难于实施。

正交设计是安排多因素试验、寻求最优水平组合的一种高效率试验设计方法。

第一节、正交设计原理和方法(一) 正交设计的基本概念正交设计是利用正交表来安排多因素试验、分析试验结果的一种设计方法。

它从多因素试验的全部水平组合中挑选部分有代表性的水平组合进行试验，通过对这部分试验结果的分析了解全面试验的情况，找出最优水平组合。

例如，研究氮、磷、钾肥施用量对某小麦品种产量的影响：A因素是氮肥施用量，设A1、A2、A3 3个水平；B因素是磷肥施用量，设B1、B2、B3 3个水平；C因素是钾肥施用量，设C1、C2、C3 3个水平。

这是一个3因素每个因素3水平的试验，各因素的水平之间全部可能的组合有27种。

如果进行全面试验，可以分析各因素的效应，交互作用，也可选出最优水平组合。

但全面试验包含的水平组合数较多，工作量大，由于受试验场地、经费等限制而难于实施。

如果试验的主要目的是寻求最优水平组合，则可利用正交设计来安排试验。

正交设计的基本特点是：用部分试验来代替全面试验，通过对部分试验结果的分析，了解全面试验的情况。

正交试验是用部分试验来代替全面试验，它不可能像全面试验那样对各因素效应、交互作用一一分析；当交互作用存在时，有可能出现交互作用的混杂。

如对于上述3因素每个因素3水平试验，若不考虑交互作用，可利用正交表L9(34)安排，试验方案仅包含9个水平组合，就能反映试验方案包含27个水平组合的全面试验的情况，找出最佳的生产条件。

一、正交设计的基本原理表11-1 33试验的全面试验方案正交设计就是从全面试验点（水平组合）中挑选出有代表性的部分试验点（水平组合）来进行试验。

图1中标有‘9 ’个试验点，就是利用正交表L9(34)从27个试验点中挑选出来的9个试验点。

即：(1)A1B1C1 (2)A1B2C2 (3)A1B3C3(4)A2B1C2 (5)A2B2C3 (6)A2B3C1(7)A3B1C3 (8)A3B2C1 (9)A3B3C2上述选择，保证了A因素的每个水平与B因素、 C 因素的各个水平在试验中各搭配一次。

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。

正交试验结果的方差分析方法计算公式和项目试验指标的加和值=,试验指标的平均值与表4-13一样，第j列的(1) I j”水平所对应的试验指标的数值之和(2) II j——“ 2”水平所对应的试验指标的数值之和(3)……(4) k j——同一水平出现的次数。

等于试验的次数除以第j列的水平数.(5)I j/k j——“水平所对应的试验指标的平均”(6)II j/k j——“2”水平所对应的试验指标的平均值(7)……以上各项的计算方法，与“极差法”同，见4.1.7节(8)偏差平方和(4-1)(9) fj ——自由度.fj第j列的水平数－1.(10）Vj——方差.Vj =Sj/fj(4-2)（11）Ve——误差列的方差。

(4-3)（12）Fj——方差之比(4-4)（13）查F分布数值表（见附录6），做显著性检验。

显著性检验结果的具体表示方法与第3章相同。

（14）总的偏差平方和(4-5) （15）总的偏差平方和等于各列的偏差平方和之和。

即(4-6) 式中，m为正交表的列数。

若误差列由5个单列组成，则误差列的偏差平方和S e等于5个单列的偏差平方和之和,即：S e=S e1+S e2+S e3+S e4+S e5；也可用S e= S总－S’来计算，其中：S’为安排有因素或交互作用的各列的偏差平方和之和应引出的结论。

与极差法相比，方差分析方法可以多引出一个结论：各列对试验指标的影响是否显著，在什么水平上显著。

在数理统计上，这是一个很重要的问题。

显著性检验强调试验误差在分析每列对指标影响中所起的作用。

如果某列对指标的影响不显著，那么，讨论试验指标随它的变化趋势是毫无意义的。

因为在某列对指标的影响不显著时，即使从表中的数据可以看出该列水平变化时，对应的试验指标的数值也在以某种“规律”发生变化，但那很可能是由于实验误差所致，将它作为客观规律是不可靠的。

有了各列的显著性检验之后，最后应将影响不显著的交互作用列与原来的“误差列”合并起来，组成新的“误差列”，重新检验各列的显著性。