第十三章 多因素试验结果的统计.ppt

13.3正交试验设计结果的统计分析 因素间有交互作用的正交设计与分析 多重比较结果表明，A2B1显著优于A2B2，A1B1；A1B2显著优于A1B1，其余差异不显著。最优水平组合为A2B1。 从以上分析可知，A因素取A2，B因素取B1，若C因素取C1，则本次试验结果的最优水平组合为A2B1C1。 13.3正交试验设计结果的统计分析 因素间有交互作用的正交设计与分析 注意，此例因dfe=2，F检验与多重比较的灵敏度低。 为了提高检验的灵敏度，可将F1的SSB、dfB，SSB×C、dfB×C合并到SSe、dfe中，得合并的误差均方，再用合并误差均方进行F检验与多重比较。 13.3正交试验设计结果的统计分析 正交试验方案设计的要点： 表头的设计 初步筛选出一些较主要的因素 重复区的设置 处理数目的限制 结果的分析 重点应放在各处理组合的比较上 13.3正交试验设计结果的统计分析 正交设计方法 (二) 选用合适的正交表 确定了因素及其水平后，根据因素、水平及需要考察的交互作用的多少来选择合适的正交表 选用正交表的原则是：既要能安排下试验的全部因素，又要使部分水平组合数（处理数）尽可能地少 13.3正交试验设计结果的统计分析 正交设计方法 (二) 选用合适的正交表 一般情况下，试验因素的水平数应恰好等于正交表记号中括号内的底数 因素的个数（包括交互作用）应不大于正交表记号中括号内的指数 13.3正交试验设计结果的统计分析 正交设计方法 (二) 选用合适的正交表 各因素及交互作用的自由度之和要小于所选正交表的总自由度，以便估计试验误差 若各因素及交互作用的自由度之和等于所选正交表总自由度，则可采用有重复正交试验来估计试验误差。 13.3正交试验设计结果的统计分析 正交设计方法 (三) 表头设计 所谓表头设计，就是把挑选出的因素和要考察的交互作用分别排入正交表的表头适当的列上 不考察交互作用时，各因素可随机安排在各列上 若考察交互作用，就应按该正交表的交互作用列表安排各因素与交互作用。 各列下的水平数必须和该列试验因素的水平数相同 13.3正交试验设计结果的统计分析 因子数 列 号 实施比例 1 2 3 4 5 6 7 3 A B A×B C A×C B×C A×B×C 1 4 A B A×B C×D C A×C B×D B×C A×D D 1/2 4 A B C×D A×B C B×D A×C D B×C A×D 1/2 5 A D×E B C×D A×B C×E C B×D A×C B×E D A×E B×C E A×D 1/4 L8(27)的表头设计 13.3正交试验设计结果的统计分析 正交设计方法 (四) 列出试验方案 把正交表中安排各因素的每个列(不包含欲考察的交互作用列)中的每个数字依次换成该因素的实际水平，就得到一个正交试验方案 13.3正交试验设计结果的统计分析 例：为探讨新培育的四个辣椒品种的丰产技术，进行品种、密度和施肥量的综合试验。 品种（A）有：新育1号（A1）、新育2号（A2）、新育3号（A3）和新育4号（A4） 密度（B）分每亩定植3500株（B1）和每亩定植4000株（B2） 施肥量（C）分每亩复合化肥100公斤（C1）和每亩复合化肥150公斤（C2） 13.3正交试验设计结果的统计分析 正交试验结果的统计分析 若各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 13.3正交试验设计结果的统计分析 单个观测值正交试验结果的方差分析 如A、B、C三因素的正交试验结果的分析 SST = SSA+SSB+SSC+SSe dfT = dfA+dfB+dfC+dfe 13.3正交试验设计结果的统计分析 单个观测值正交试验结果的方差分析 无重复正交试验结果的方差分析，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。 13.3正交试验设计结果的统计分析 单个观测值正交试验结果的方差分析 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 这时，试验误差应通过重复试验值来估计 所以，进行正交试验最好能有二次以上的重复 正交试验的重复，可采用完全随机或随机区组设计 13.3正交试验设计结果的统计分析 有重复观测值正交试验结果的方差分析 例：为探讨新培育的四个辣椒品种的丰产技术，进行品种、密度和施肥量的综合试验。 采用L8（4×24）正交表，进行1/2实施设计，采用随机区组设计，重复二次。 小区面积13.3平方米，田间布置和各小区获得的产量（公斤