无重复试验的饱和析因设计的数据分析.pdfVIP

ChineseJournalof 应用概率统计 第二十卷 AppliedProbability andStatisticsV01．20No．3 第__三期 21104年8月 Aug．2004 无重复试验的饱和析因设计的数据分析木 陈 颖 (华东师范大学统计系，上海，200062) 摘 要 由于经济上的巨大效益和技术上的原因，在工业应用的许多领域，无重复试验的饱和析因设计越来越受欢迎．但 在对它进行数据分析时却遇到了难题．因为，这时已没有剩余的自由度可用来估计误差方差，从而也就无法用标准 方差分析对因子进行显著性检验．本文综述了四十多年来人们为解决这一难题而提出的各种方法，介绍了在这一研 究领域存在的一些问题和进一步的研究方向． 关键词： 饱和析因设计，半正态图，数量分析法． 学科分类号：0212．6，0213． §1． 引 言 在开发新产品和改进产品设计或生产过程的初始阶段(即筛选阶段)，人们经常用基于析因设计的试验来 确定在大量可能的因子中哪些因子对研究过程是有显著影响的．可是，由于完全实施的析因设计需要大量的 试验次数(等于以被考查的因子的个数为指数的幂)，所以当考查的因子很多，且实验费用昂贵或耗时很长时， 其是无法应用的． 为了减少试验次数，人们可使用无重复试验的部份实施的析因设计．在筛选试验中，由于试验者往往考 虑尽可能多的因子，所以无重复试验的部份实施的析因设计也常常是饱和设计．比如说，当所有因子水平都 为二时，被考查的因子的个数等于试验次数减一． 由于经济和技术上的原因，饱和析因设计深受欢迎，但在对这种试验设计进行数据分析时却碰到了难题． 这是因为在完全实施的析因设计或高强度的析因设计中，高阶交互效应可被假设为零，从而可被用来估计误 差的方差．然而，在饱和设计中，尽管所有n个效应(包括总平均)可用n个观察值来估计，但已没有剩余的 自由度可用来估计误差方差，因此也就无法用标准方差分析(F检验或t检验)来进行因子的显著性检验．所 以无重复试验的饱和析因设计的数据分析向我们提出了挑战．至今，它仍然是一个非常公开和极为活跃的研 究课题． §2． 图形分析法 幸运的是，在筛选试验阶段Pareto原理常常是正确的．也即，过程波动的大部份是由少部份因子所引起 的．换句话说，就是大部份因子的效应都为零，而非零效应的因子只占少部份．在这种因子稀疏的假设下， 人们提出了一些分析无重复试验饱和析因设计的方法． 一张正态或半正态概率纸上．在图中，对应于非显著效应的点应近似的排列成一直线，而对应于显著效应的 点应远离这条育线．这是因为，在误差为正态、独立、同方差的假设下，效应的估计量是相互独立的．效应 勾。冬的估计世服从相同的上E态分布，其期望为零．这样在(半)正态概率纸上其观察值应位于一条通过原点的 +华东师大青年科研创新基金资助项目． 本文2003年5月15日收到，2004年3月22日收到修改稿 万方数据 314 应用概率统计 第二十卷 直线上．而效应非零的估计量，其期望为非零，其观察值可看成是来自其它母体的异常值，它应偏离这条过 and 原点的直线．图1就是一半正态图，其数据来源于Taguchi 来看，这两个修改版本与Daniel(1959)的原版本的差别并不明显．