试验设计与数据统spss.pptVIP

正交试验分析 正交试验数据分析方法：直观分析和方差分析 直观分析：分析因素对结果的影响趋势及主次顺序。 方差分析：分析因素对结果影响的显著程度，及主次顺序。 例4-1 为了提高某杀虫药产品的转化率（即试验指标）选择了三个有关因素：反应温度（A），反应时间（B），用碱量（C）。选择的水平见表（26）。如果用全面试验，要做２７次，但现在用正交设计试验只做９次。 因素\水平 1 2 3 温度(A) 80 85 90 时间(B) 90分 120分 150分 碱量(C) 5% 6% 7% 表26 因素与水平安排表 号 A B(分) C(%) 转化% 1 1(80) 1(90) 1(5) 31 2 1(80) 2(120) 2(6) 54 3 1(80) 3(150) 3(7) 38 4 2(85) 1(90) 2(6) 53 5 2(85) 2(120) 3(7) 49 6 2(85) 3(150) 1(5) 42 7 3(90) 1(90) 3(7) 57 8 3(90) 2(120) 1(5) 62 9 3(90) 3(150) 2(6) 64 T1 T2 T3 123 144 183 141 165 144 135 171 144 41 47 45 48 55 57 R 61 20 48 8 48 12 （1）各因素影响趋势如图 （2）用极差R来判断各因素影响的主次顺序为由主到次为A、C、B （3）综合起来较好的工艺条件是A3B2C2,但是这个工艺条件并不在这９次试验之内，与之接近的是第８、９次试验。应再做一组对比试验得出最好的组合。 表27 正交试验直观分析表 各因素影响趋势图 操作步骤： analyze General Linear Models Univariate 将“result”放入Dependent框，A、B、C、D、E五个因素放入Fixed Factors框 Model Custom continue Option，将五因素移入Display means for 需判断各因素对总变异的贡献大小可选择Option中的Estimates of effect size项，用Eta2大小来判断 （1）由表28可知，因素A对转化率的影响F = 34.33，p = 0.028 ＜ 0.05，可得因素A对转化率的影响显著，因素B、C的显著值均大于0.05，因此因素B、C对转化率的影响不显著。 （2）因素影响作用主次顺序为A ＞C＞B 表28 5.回归分析 表10 对比试验肝中维生素含量数据 参考分析结果 p＝0.004＜0.05，表明缺乏维生素E对鼠肝中维生素A的含量有显著影响。 3.方差分析 GLM 3.1单因素方差分析 One Way ANOVA    单因素方差分析是检验由单一因素的多组样本对因变量的均值是否有显著差异的问题。如果各组之间有显著差异，说明这个因素对因变量有显著影响。因素的不同水平会影响到因变量的取值。 3.1单因素方差分析 One Way ANOVA    单因素方差分析是检验由单一因素的多组样本对因变量的均值是否有显著差异的问题。如果各组之间有显著差异，说明这个因素对因变量有显著影响。因素的不同水平会影响到因变量的取值。 3.1.1总体差异性分析 例3-1 某灯泡厂用4种不同配料方案制成的灯丝，生产了四批灯泡。在每批灯泡中随机的抽取若干个灯泡测其使用寿命如下，希望知道这四种灯丝生产的灯泡，其使用寿命有无显著差异。Data02-04 分析： 因素（factor）：灯丝（4种不同的型号,称为4个水平。） 因变量（dependent list）：灯泡寿命 分析方法 （1）建立假设：H0 ：u1 = u2 = u3 = u4 = u5 = u （2）分析数据： （3）分析结果：用F检验来分析因素总体对因变量影响的显著性。如果F检验不显著（即p＞0.05）就不能拒绝原假设，表明因素对因变量影响不显著； （4）得出结论 表11不同灯丝寿命试验数据 软件应用 按Analyze Compared Means One-Way ANOVA 的顺序单击，打开主对话框，将因变量放入Dependent List（因变量）框，因素变量放入Factor（因素框），其余可采用系统默认，单击OK提交运行。 表12 表12方差分析中F=1.638，p=0.209＞0.05，在95%的置信水平下，不能否定原假设，即认为四种不同的灯丝其使用寿命没有显著差异。 练习题6 某