R语言两层2^k析因试验设计（因子设计）分析工厂产量数据Lenth方法检验显著性.pdfVIP

R语⾔两层2^k析因试验设计（因⼦设计）分析⼯⼚产量数据Lenth⽅法检验显著

性

原⽂出处：拓端数据部落公众号

假设调查⼈员有兴趣检查减肥⼲预⽅法的三个组成部分。这三个组成部分是：

1.记录⾷物⽇记（是/否）

2.增加活动（是/否）

3.家访（是/否）

调查员计划调查所有，实验条件的组合。实验条件为

•要执⾏因⼦设计，您需要为多个因⼦（变量）中的每⼀个选择固定数量的⽔平，然后以所有可能的组合运⾏实验。

•这些因素可以是定量的或定性的。

•定量变量的两个⽔平可以是两个不同的温度或两个不同的浓度。

•定性因素可能是两种类型的催化剂或某些实体的存在和不存在。

符号：-因⼦数(3)-每个因⼦的⽔平数(2)-设计中有多少实验条件()

因⼦实验可以涉及具有不同⽔平数量的因⼦。

测试：

考虑⼀个设计。

1.有多少因素？

2.每个因素有多少个⽔平？

3.多少实验条件（运⾏）？

答案：

(a)有2+2+1=5个因数。

(b)两个因素有4个⽔平，2个因素有3个⽔平，1个因素有2个⽔平。

(c)有288个实验条件。

⽅差分析和因⼦设计之间的区别

在ANOVA中，⽬标是⽐较各个实验条件。

让我们考虑⼀下上⾯的⾷物⽇记研究。

我们可以通过⽐较⾷物⽇记设置为NO（条件1-4）的所有条件的平均值和⾷物⽇记设置为YES（条件5-8）的所有条

件的平均值来估计⾷物⽇记的效应。这也被称为⾷物⽇记的主效应，形容词主要是提醒这个平均值超过了其他因素的

⽔平。

⾷物⽇记的主要作⽤是：

体育锻炼的主要作⽤是：

家访的主要作⽤是：

使⽤了所有实验对象，但重新排列以进⾏每次⽐较。受试者被回收以测量不同的效应。这是析因实验更有效的原因之

⼀。

执⾏因⼦设计

要执⾏因⼦设计：

1.为每个因⼦选择固定数量的⽔平。

2.以所有可能的组合运⾏实验。

我们将讨论每个因⼦只有两个⽔平的设计。因素可以是定量的或定性的。两个⽔平的定量变量可以是两个不同的温度或

浓度。定量变量的两个级别可以是两种不同类型的催化剂或某些实体的存在/不存在。

⼀项实验采⽤2^3因⼦设计，具有两个定量因素-温度(T)和浓度(C)-以及⼀个定性因素-催化剂K类型。

温度T（C∘）有两个等级：160C∘和180C∘。它们分别编码为-1和+1。

浓度C(%)有两个级别：20和40。它们分别编码为-1和+1。

催化剂K有两个级别：A和B。它们分别编码为-1和+1。

记录的每个数据值都是针对两次重复运⾏的平均因变量产量y。

⽴⽅图

下图显⽰了⽴⽅体⾓处因⼦T、C和K的各种组合的y值。例如，当T=-1、C=1和K=-1时，从运⾏3获得y=54。

•⽴⽅体展⽰了这种设计如何沿着⽴⽅体的12个边缘进⾏12次⽐较：温度变化影响的四个测量值；浓度变化影响的

四种测量⽅法；催化剂变化效应的四种测量⽅法。

•在⽴⽅体的每条边上，只有⼀个因⼦发⽣变化，⽽其他两个因⼦保持不变。

1.bh4-lm

2.Plot

因⼦效应

主要影响

运⾏1和2的影响仅因温度⽽不同，因为浓度为20%，催化剂类型为A。差异72-60=12提供了⼀种温度影响的测量

值，⽽其余因素保持不变。对于浓度和催化剂的四种组合中的每⼀种，有四种这样的温度效应测量⽅法。

T的主要（平均）影响是

T的主要（平均）影响是

有⼀组类似的浓度C测量值。在这些测量值中的每⼀个中，⽔平T和K都保持不变。浓度C的主要影响是：

C的主要（平均）影响是

K的主要影响是

K的主要（平均）影响是

所有8次运⾏都⽤于估计每个主效应。这就是因⼦设计⽐⼀次检查⼀个因⼦更有效的原因。

⼀般来说，主要影响是两个平均值之间的差异：

其中¯y+是对应于因⼦+1⽔平的平均响应，⽽¯y−是对应于因⼦-1⽔平的平均响应。

交互效应

两因素相互作⽤

当催化剂K为A时，温度效应为：

当催化剂K为B时，温度效应为：

这两个平均差异之间的平均差异称为温度和催化剂之间的相互作⽤，⽤TK表⽰。这就是温度和催化剂两个因素之间

的相互作⽤——温度和催化剂之间的两个因素相互作⽤。

这也可以在⽴⽅图上看到：与⽴⽅体正⾯(13)相⽐，⽴⽅体(33)背⾯的平均温度影响更⼤。

三因素相