实际应用SAS统计软件进行实验设计.pptVIP

应用SAS统计软件进行实验优化设计 李文钊 食品工程与生物持术学院 多因素实验设计方案的制定 多因素实验设计方案的概念 多因素实验设计方案特征 多因素实验设计步骤 多因素实验设计方案的概念 所谓多因素实验设计方案，就是根据专业知识和统计学知识，制定出一个包含多因素多水平有机组合的实验计划。它清楚地表达出每次实验涉及到各因素的哪个水平，各种水平组合下是否需要做重复实验，全部实验共需进行多少次 多因素实验设计方案特征 每次实验都是多因素不同水平的一种组合 与下面的情况区分开，即全部实验将涉及到多个因素 ( 如多种添加物、每种添加物又分为多种剂量 )，但每次实验只涉及到一种药物的一个剂量。这种情况应叫做多个单因素实验，不属于多因素实验的范畴 多因素实验设计步骤一 首先，研究者应当根据研究目的和预实验的结果或文献资料提供的信息，提出拟考察的实验因素有哪些，每个因素各取哪些水平，这些因素的水平如何组合 各种水平组合就是不同的实验条件，在这些实验条件下做实验，在实践中是否行得通(即有无危险性和可行性问题) 多因素实验设计步骤二 其次，还需考虑现有的人力、物力和实验条件，有能力承担多大规模的实验研究，是否需要考察因素之间的交互作用(还可进一步分为一级(阶)或二级(阶／或高级(阶)交互作用)等问题 多因素实验设计步骤三 第三，还应当说明需要观测哪些指标，是定量的还是定性的或两种兼而有之 多因素实验设计步骤四 在充分利用专业知识获得上述有关信息后，就需借助统计研究设计知识，选择合适的设计类型，并给出全部因素水平组合的方案 本课程将着重介绍如何用SAS系统产生多因素多水平组合的方案，简称为多因素实验设计方案 SAS直接提供的多因素实验设计类型有四种 二水平设计(Two—Level) 反应曲面设计(Response Surface) 正交数组设计(Orthogonal Array) 混料设计(Mixture) 二水平设计(Two—Level) 所有实验因素取两个水平，它包括两种类型的设计: ＊ “混杂分式析因设计(Confounded Fractional Factorials)”，它是析因设计的部分实施。任何两个因素的效应要么是正交的、要么是混杂的，设计越小(指实验次数少)，可估计的效应就越少，混杂的效应就越多。其设计可以考虑的因素的个数可多达50个，实验次数可多达128次。 二水平设计(Two—Level) ＊ “Placke－Burman设计”。可通过正交设计以最少的实验次数来考察2到47个因素的主效应，但这种设计常无法考察因素之间的交互作用，因两因素之间的一级交互作用常与主效应混杂，因此，此种设计要慎用。可用于要考察的实验因素很多、希望实验次数较少时，筛选主要因素的实验研究的场合。等找出少数几个最可能有显著性意义的实验因素后，再对每个因素多考虑一些水平，用更严谨的设计方案，以便考察因素之间的交互作用。 正交数组设计(Orthogonal Array) 常用来解决二水平或三水平或二、三混合水平的多因素设计问题，若需要考察的交互作用比较复杂，需要的实验次数仍非常多 故正交数组设计主要用于需要考查的交互作用不多，又不太复杂的同水平的多因素研究之中，特别适用于既有可控因素，又有不可控因素的实验研究之中。 反应曲面设计(Response Surface) 当人们通过筛选变量的某些实验设计及其具体的实验之后，获得了若干较重要的实验因素，此时很想通过进一步的实验来确定各重要因素分别取什么值时，使反正（或称响应）变量能取得最佳的结果，为达此目的的实验常被称为“优化实验”或称“优化响应”。反应曲面设计就是要通过合理的实验设计来收集数据，以便能用各影响因素(即自变量)的二次多项式来估计反应变量的变化规律，称为反应曲面模型 反应曲面设计(Response Surface) 两种常用的标准设计，即 ※中心复合设计(Central Composite Designs，CCD)中心复合设计可以是正交的或者是一致精度的设计。一致精度设计比正交设计更能防止回归系数的偏差 ※Box-Behnken设计(Box-Behnken Designs，BBD)可减少实验点数和因素的水平数 混料设计(Mixture) 在前面介绍反应曲面设计中，每个因素的水平是独立于另外的因素的水平的。而在混料实验中，因素的水平是每次实验所对应的混合物的分量或成分，因此它们的水平不再是独立的了。设X1、X2、…、Xm代表某种混料实验的m种成分的比例，则 0≤ Xi ≤1，i=l，2，…，m X1 + X2 +…+ Xm ＝1， (即100％) SAS简介（Statistical Analysis System） SAS 系统是用于决策支持的大型集成信息系