数据处理与实验设计第5章讲义.ppt

在正交回归设计中，当某一变量不显著时，可以直接将它删去，此时不会改变其它的回归系数，也不会改变这些变量的偏回归平方和，这是正交回归设计的一个优点。 现在将x2从回归方程中删去，最后得各因子均为显著的回归方程是： 将编码式： 代入，得y关于z1,z3的回归方程为： 从方程知，当z1，z3增加时，y也会相应增加。 * 在科学验机，产品设计与开发和工艺条件的优选过程中，为了揭示多种因素对试验或计算结果的影响，一般都需要进行大量的多因素组合条件的实验。 如果对这些因素的每种水平（每一因素拟比较的具体状况）可能构成的一切组合条件，均逐一进行试验（全面试验），则因其试验次数繁多而需付出相当的试验代价，有时，甚至是试验无法完成。假如影响某项试验结果的因素有7项，而每个因素又有两种水平的话，人门就需做2的7之方就是128次试验，限于客观条件，我们只能做少数次试验，此次，如何安排多因素试验方案和怎样分析试验结果，就是一个值得探索的课题。 应用数理统计概念和正交原理所编制的正交表，是解决该问题的有效工具。利用规格化的正交表来进行试验方案的设计，就便于人们从次数众多的全面试验中，挑选出次数较少而又具有代表性的组合条件，再经过简单计算就能找出较好的工艺条件或最优配方，进一步分析试验结果又能探询出可能最优的试验方案。 目前许多国家都非常重视正交法试验的研究和推广。 我国在正交试验设计的理论研究方面，处于世界领先水平，设计出了许多实用价值和简便易行的正交表，国家经委已经把普及和推广正交试验法列为国家重点推广项目。 * 由于误差均方是检验因素显著与否的标尺，其大小将之间影响试验结果的分析结论，此外如果未控制好试验条件，就会造成较大的试验误差而掩盖试验的真实性，导致结论错误 本来，正交表中的空列是一个特定的列，人们在安排试验计划表时，虽然没安排考察因素，但通过试验后，有时会发现空列的极差并不小，这说明此空列并不空，而是试验前没发觉的交互作用项。所以，只有当非重复试验，空列背后有物潜在交互作用时，空列才能显现误差，此时，所有空列都可当误差看待。 * 在前面我们介绍了回归分析方法和正交试验设计方法。这两种方法前者侧重于试验结果的处理，后者解决试验的设计，两者在过去很长一个时期被认为是互相独立的数学分枝，并在工农业生产和科学研究中得到广泛应用。 ??? 然而在应用中人们发现这两种方法都有其局限性。正交试验设计方法虽然可以有效地减小试验次数，用较少的试验获得较多的信息，但它不能在一定的试验范围内，根据数据样本确定变量间的相关关系和相应的回归方程。回归分析方法虽然可以根据试验数据样本确定变量间的相关关系和定量关系式，但它对试验安排不提任何要求，只是被动地处理数据，这不仅盲目地增加了试验次数，而且试验结果也往往不能提供充分的信息，尤其是当自变量个数较多，计算量较大时，耗费大量计算时间。 ??? 在工农业生产和科学研究中，经常要求我们以较少的试验建立精度较高的回归方程，因此必须把试验安排，数据回归分析以及回归方程的精度统一考虑。这种要求促使正交试验设计和回归分析两者结合起来，从而产生了回归正交设计方法。 ??? 回归正交设计方法就是利用正交试验所具有的选点均衡，试验次数少，各列之间具有正交性等优点，在寻求最佳工艺和配方的同时，利用已有的试验数据，给出整个区域上的变量间的回归方程的一种科学的试验设计方法。这种方法将古典回归分析方法与正交试验法有机地结合起来，具有试验次数少，计算简单，所得回归方程精度高等优点。 * 一次回归正交试验设计方法选用二水平正交表安排，根据试验数据建立线性回归方程。安排试验时把正交表中的〝1〞和〝2〞分别改为〝+1〞和〝-1〞，以使正交表中的任意两列对应元素之积的和等于零，使系数矩阵和相关矩阵为对角矩阵，从而使所求得的回归系数互不相关，这样可使回归分析计算和显著性检验过程大大简化。具体设计分析步骤如下 * 原变量Zi经线性变化换成xi之后，就与原Zi的单位和大小无关了，它的变化范围就是【-1，1】，如取上下二水平，则水平量只有+，-1，为回归计算找到了捷径。 如变量Z的变化区间为[40,50]，则Z1的下水平为40，上水平为50，变化半径为5，另水平为45 * 在一次回归的正交设计中有关计算十分简单，可以用列表的方法完成。 * 由于前面的变量已经转化为标准的了即1和-1，试验又按照正交表来安排的，正交表的性质是每一列，不同字码出现的次数相同，且任意两列其横向所构成的有效数字对出现的次数相同，所以在矩阵L中，任一列之和等于0 任一列平方和等于n 任两列对于的乘积和等于0 这样 * 这样回归系数直接反应了该变量在回归方程中的作用大小，当某一系数大的时候，回归平方和也越大，从而判断该