正交设计试验资料的方差分析part2.pptVIP

第二节 正交试验资料的方差分析 若各号试验处理都只有一个观测值，则称之为单个观测值正交试验； 若各号试验处理都有两个或两个以上观测值，则称之为有重复观测值正交试验。 一、 单个观测值正交试验资料的方差分析 对【例11-1】用L9(34)安排试验方案后，各号试验只进行一次，试验结果列于表2-6。试对其进行方差分析。 该试验的9个观测值总变异由A因素、B因素、C因素及误差变异4部分组成，因而进行方差分析时平方和与自由度的分解式为： SST = SSA + SSB + SSC+SSe dfT = dfA + dfB + dfC + dfe 用n表示试验(处理)数；a、b、c表示A、B、C因素的水平数；ka、kb、kc表示A、B、C因素的各水平重复数。本例，n=9、a=b=c=3、 ka=kb=kc=3。 C因素平方和 SSC=ΣT2C/kc-C =(1142.52+1245.02+1323.52)/3 -1530169.00 =5492.17 误差平方和 SSe=SST-SSA-SSB-SSC =21238.00-1530.5-11153.17 -5492.17 =3062.16 2、列出方差分析表，进行F检验 F 检验结果表明，三个因素对产量的影响都不显著。究其原因可能是本例试验误差大且误差自由度小(仅为2)，使检验的灵敏度低，从而掩盖了考察因素的显著性。 由于各因素对增重影响都不显著，不必再进行各因素水平间的多重比较。此时，可从表11-6中选择平均数大的水平A2、B3、C3组合成最优水平组合 A2B3C3。 单个观测值正交试验资料的方差分析，其误差是由“空列”来估计的。然而“空列”并不空，实际上是被未考察的交互作用所占据。 这种误差既包含试验误差，也包含交互作用，称为模型误差。 若交互作用不存在，用模型误差估计试验误差是可行的；若因素间存在交互作用，则模型误差会夸大试验误差，有可能掩盖考察因素的显著性。 二、 有重复观测值正交试验资料的方差分析 【例11·4】 为了探讨花生锈病药剂防治效果的好坏，进行了药剂种类（A）、浓度（B）、剂量（C）3因素试验，各有3个水平，选用正交表L9(34)安排试验。 试验重复2次，随机区组设计。正交试验方案及试验结果(产量 kg/小区，小区面积133.3m2)见表11—10，对试验结果进行方差分析。 对于有重复、且重复采用随机区组设计的正交试验，总变异可以划分为处理间、区组间和误差变异三部分，而处理间变异可进一步划分为A因素、B因素、C因素与模型误差变异四部分。此时，平方和与自由度分解式为： SST=SSt+SSr+SSe2 dfT = dft + dfr + dfe2 而 SSt=SSA+SSB+SSC+SSe1 dft = dfA + dfB + dfC + dfe1 注意 ，对于重复采用完全随机设计的正交试验，在平方和与自由度划分式中无 SSr、dfr项。 1、计算各项平方和与自由度 矫正数 C =T2/ r n =549.02/（2×9）=16744.50 处理间平方和 SSt = ΣT2t / r - C =(56.52+69.82+…+59.42)/2-16744.50 =245.96 A因素平方和 SSA = ΣT2A / kar - C = (191.02+184.42+173.62)/(3×2) - 16744.50 =25.72 总自由度 dfT=rn-1=2×9-1=17