因子設計簡介.docVIP

PAGE 第5章 因子設計簡介 第5章 因子設計簡介 Chap 5. Introduction to Factorial Design 5-1 基本定义与原理(Basic Definitions and Principles) 实验牵涉2个或更多因子欲研究其效果时，一般而言，因子设计(Factorial Design)是最有效率的方法，『因子设计』意指每一次完整的试验或反复，当中所有可能的因子水准组合都被测试过。如，因子A有a个水准、因子B有b个水准、则每次反复有ab种处理，(A1 , A2 , A3 ; B1 , B2 , A?B= A1B1, A1B2, A2B1, A2B2, A3B1, A3B2)，当因子以因子设计方式安排，则称之为『交叉的』(Crossed)。 - (低)40B因子A因子2030-(低)+(高)+(高)52 - (低) 40 B 因子 A因子 20 30 - (低) +(高) + (高) 52 图5-1 一个2因子之因子实验(角上数字为反应值y) 其中假设因子均有2水准，称为”低”与”高”，分别以”-”与”+”表示之。在这2水准中，因子A的主效果可视成A的低水准的平均反应与A的高水平的平均反应之差， A = (40+52)/2 - (20+30)/2 = 21 即，增加因子A从低水准到高水平造成『平均反应增加』(Average Response Increase) 21个单位，同理，因子B的主效果为， B = (30+52)/2 - (20+40)/2 = 11 倘因子水准超过2个，上述程序须修正之，后续详述。 某实验中，可能发现某因子水准间反应的差异在其它因子的各水准下是不同的，此称之为因子间有交互作用(Interaction)，如图5-2所示， - - (低) 50 B 因子 A因子 20 40 - (低) +(高) + (高) 12 图5-2 一个2因子有交互作用之因子实验 在因子B低水准(B－)下，因子A的效果，A = 50 - 20 = 30 在因子B高水平(B＋)下，因子A的效果，A = 12 - 40 = -28 因子A的效果与所选的因子B的水准有关，故称A与B之间有交互作用，而交互作用大小即两个A的效果差之平均， AB = (-28 – 30)/2 = -29 此实验交互作用很大。 上述概念可以图示之， - - (低) B＋ 反 應 A因子 +(高) B＋ B－ B－ 图5-3 无交互作用之因子实验 - - (低) B＋ 反 應 A因子 +(高) B＋ B－ B－ 图5-4 有交互作用之因子实验 另一种交互作用的概念，一因子实验为2因子之回归模式(Regression Model Representation)为， y = ?0 + ?1 x1+ ?2 x2 + ?12 x1x2 + ? 式中，y是反应值、?’s是待估计之参数、x1是代表因子A的变量、x2是代表因子B的变量、与 ? 是随机误差。另变量x1与x2是定义由-1至+1 (A与B的低与高水平)的编码尺度(Coded Scale)、与x1x2代表x1与x2间之交互作用。 此回归模式的参数估计值与效果估计值有关，如图5-1所示的实验， A与B的主效果为A = 21 与B = 11，而 ?1 与?2 的估计值为其所对应主效果的一半，即 = 21/2 = 10.5、= 11/2 = 5.5， 交互作用效果AB = 1，故= 1/2 = 0.5， ?0 以全部(4个)反应值平均估计之，即 = (20 + 40 + 30 + 52)/4 = 35.5，则配适后之回归模式为， = 35.5 + 10.5x1 + 5.5x2 + 0.5x1x2 对于所有因子都是2水准( - 与 + )之因子设计，此种方式得到的参数估计值事实上是最小平方法(后详述之)。 交互作用系数(= 0.5)相对于效果系数与是小的，即意交互作用很小而可忽略，所以，回归模式为， = 35.5 + 10.5x1 + 5.5x2 (a) 反应曲线(Response Surface) 图5-5 反应曲线与等高线( = 35.5 + 10.5x1 + 5.5x2) 等高线(Contour)是x1与x2为常数时对应反应值y之曲线，反应曲面图(Response Surface Plot)系y曲面是由x1与x2值之组合所产生，『既然反应曲面是一个平面，所以等高线是一平行直线』。 兹假设交互作用对此实验的贡献是不可忽略的，即系数?12不能算是小的，如，回归模式为， = 35.5 + 10.5x1 + 5.5x2 + 8x1x2 图5-6 反应曲线与等高线( = 35.5 + 10.5x1 + 5.5x2 + 8x1x2) (上述系令交互作用效果为两个主