下载文档原格式
第四节二次回归正交设计在应用一次回归正交设计时，如果经过假设检验，发现一次回归方程不合适，就需要用二次或更高次回归方程描述。
通常情况下，使用二次回归一般即可满足要求。
一、二次回归正交试验的组合设计方法二次回归设计就是采用二次多项式作为回归方程。
当变量数为P 时，二次回归模型的一般形式为(3-3-18) 在二次回归模型中，共有q个待估计参数因此，要建立有p个变量的二次回归方程，试验次数应大于q。
而且为了估计未知参数,每个变量所取得的水平不应小于3。
在三水平上做p个变量的全因素试验，试验次数为3p。
当p=4时，三水平的全因素试验次数数量是81次，比p=4时的二次回归系数要多4倍以上，以致剩余度过大。
为了有效地减少不必要的试验次数，提出一种组合设计法。
这种方法是在因素空间中选择几类具有不同特点的点，把它们适当组合成为一个试验计划，此计划应尽量减少试验次数，并且有正交性。
以p=2为例，在有两个变量x1,x2场合下，组合设计由以下9个试验点组成（见表3-3-13）：表3-3-13这9个试验点在平面图上的位置如图3-3-2所示。
图3-3-2当p=3，即有三个变量时，组合设计由15个试验点组成，见表2-14。
这15个试验点在空间的位置，如图3-3-3所示。
表3-3-14一般地，p个变量的组合设计由下列三类试验点组成：第一类点为二水平（-1和1）全因素试验的试验点，这类试验点共有2p个，如果采用1/2或1/4 实施法，则为2p-1或2p-2个试验点。
第二类点为分布在p个坐标轴上的星号点，这类试验点共有2p个，它们与中心点的距离为，称为星号臂。
是待定系数，可根据不同的要求确定值。
第三类试验点为中心点，即各变量都取零水平的试验点。
在中心点上的试验可以只做一次，也可以重复做若干次。
若以N0表示第一类试验点个数，以m0表示第三类试验点个数，则p个变量的组合设计试验点数N为：N=N0+2p+m0用组合设计安排的试验计划有一系列优点：首先，它的试验点比三水平的全因素试验少得多，但仍保持足够的剩余度。
第8章 回归的正交设计教学目标：1. 掌握一次回归正交设计及统计分析方法2. 掌握二次回归正交组合设计及统计分析方法正交设计是一种重要的科学试验设计方法，它能够利用较少的试验次数，获得较佳的试验结果。
但是正交设计不能在一定的试验范围内，根据数据样本，去确定变量间的相关关系及其相应的回归方程。
如果使用传统的回归分析，又只能被动地去处理由试验所得到的数据，而对试验的设计安排几乎不提出任何要求。
这样不仅盲目地增加了试验次数，而且由数据所分析出的结果还往往不能提供充分的信息，造成在多因素试验的分析中，由于设计的缺陷而达不到预期的试验目的。
因而有必要引入把回归与正交结合在一起的试验设计与统计分析方法──回归正交设计。
回归设计就是在因子空间选择适当的试验点，以较少的试验处理建立一个有效的多项式回归方程，从而解决生产中的最优化问题，这种试验设计方法称为回归设计。
随着生产与科学技术的发展，在工农业生产中为了实现以较少的生产投资，获得最大的经济效益，经常需要寻求某种产品、材料试验的最佳配方、试验条件与工艺参数以及建立生产过程的数学模型。
特别是以较少的试验次数和数据分析去选择试验点，使得在每个试验点上能获得比较充分、有用的信息，减少试验次数，并使其数据分析能提供更为科学、充分、有用的信息。
解决上述问题比较理想的方法就是通过回归设计进行试验，建立相应的数学模型，寻求最佳生产条件和最优配方。
回归设计始于20世纪50年代初期，发展至今其内容已相当丰富，包括回归的正交设计、回归的旋转设计、回归的最优设计以及回归的混料设计等，本章只介绍回归的正交设计。
8.1一次回归正交设计与统计分析当试验研究的因变量（如加工罐头质量）与各自变量（如杀菌方式、产品配料等）之间呈线性关系时，可采用一次回归正交设计的方法。
8.1.1一次回归正交设计的一般方法一次回归正交设计的方法原理与正交设计类似，主要是应用二水平正交表进行设计，如)2(34L ，)2(78L ，)2(1112L ，)2(1516L 等，其设计的一般步骤为：⑴ 确定试验因素的变化范围。
