4.1.8 正交试验结果方差分析方法.docVIP

4.1.8 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) Ij ”水平所对应的试验指标的数值之和 (2) IIj——“ 2”水平所对应的试验指标的数值之和 (3)…… (4) kj——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)Ij/kj——“水平所对应的试验指标的平均 ” (6)IIj/kj——“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Se等于5个单列的偏差平方和之和,即：Se=Se1+Se2+Se3+Se4+Se5；也可用Se= 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。 方差分析方法应用举例 例4-6 为了提高猪发酵饲料的营养和猪爱吃的程度，选择了四个因素进行正交试验，其因素水平见表4-18。 表4-18 例4-6的因素水平表 因素 发酵温度/℃ 发酵时间/h 初始的PH值 投曲量/ % 符号 x1 x2 x3 x4 水平 ? ? ? ? 1 10 12 7 5 2 20 24 6 10 3 30 48 5 ? 4 50 72 4 ? 试验指标（y）为成品的总酸度。要求写出应用正交试验设计方法的全过程，用方差分析方法分析正交试验的结果。 解： 试验的目的：为改善猪发酵饲料的品质，寻找适宜的发酵条件。 试验指标（y）：成品的总酸度 因素水平表：见表4-18。 理论和经验都不知道有应该考虑的交互作用。 四个因素的水平数不完全相同，所以应选择混合水平正交表。因为3个因素是4水平，1个因素是2水平，所以选L16（43×26）正交表，见表4-19（a） 表头设计：见表4-19（a） 表中数据的计算举例：（以第3列为例） I3=y1+y6+y11+y16=6.36+5.39+8.03+16.54=36.32 II3=y2+y5+y12+y15=7.43+8.66+12.45+9.80=38.34 III3=y3+y8+y9+y14=10.36+19.53+12.08+10.77=52.74 IV3=y4+y7+y10+y13=11.56+15.50+13.13+13.49=53.68 k3=4 I3/k3=36.32/4=9.08 II3/k3=38.34/4=9.59 III3/k3=52.74/4=13.19 IV3/k3=53.68/4=13.42 极差D3=13.42－9.08=4.34 218.35 表4-19(a) 使用正交表L16（43×26）的正交试验数据表 列号 1 x1 2 x2 3 x3 4 e 5 e 6 e 7 e 8 e 9 x4 总酸度/ % y 试验号 1 1 (10) 1 (12) 1 (7) 1 1 1 1 1 1 (5) 6.36 2 1 (10) 2 (24) 2 (6) 1 1 2 2 2 2 (10) 7.43 3 1 (10) 3 (48) 3 (5) 2 2 1 1 2 2 (10) 10.36 4 1 (10) 4 (72) 4 (4) 2 2 2 2 1 1 (5) 11.56 5 2 (20) 1 (12) 2 (6) 2 2 1 2 1 2 (10) 8.66 6 2 (20) 2 (24) 1 (7) 2 2 2 1 2 1 (5) 5.39 7 2 (20) 3 (48) 4