正交试验方差分析(通俗易懂)

1、第十一章正交设计试验资料的方差分析在实际工作中，常常需要同时考察 3个或3个以上的试验因素 ，若进行全面试验,则试验的规模将很大，往往因试验条件的限制而难于实施。正交设计是安排多因素试验、寻求最优水平组合的一种高效率试验设计方法。第一节、正交设计原理和方法（一）正交设计的基本概念正 交设计 是利用正交表来安排多因素试验、分析试验结果的一种设计方法。它从通过对这部分试验结多因素试验的全部水平组合中挑选部分有代表性的水平组合进行试验, 果的分析了解全面试验的情况，找出最优水平组合。例如， 研究氮、磷、钾肥施用量对某小麦品种产量的影响:设Ai、A2、A3 3个水平 ;设Bi、B2、B3 3个水平 ;

2、设Cl、C2、C3 3个水平。3水平的试验,各因素的水平之间全部可能的组合有27种A因素是氮肥施用量,B因素是磷肥施用量,C因素是钾肥施用量,这是一个3因素每个因素O如果进行全面试验 ，可以分析各因素的效应，交互作用，也可选出最优水平组合。但全面试验包含的水平组合数较多，工作量大，由于受试验场地、经费等限制而难于头施。如果试验的主要目的是寻求最优水平组合，则可利用正交设计来安排试验。了解全正交设计的基本特点是： 用部分试验来代替全面试验， 通过对部分试验结果的分析, 面试验的情况。正交试验是用部分试验来代替全面试验，它不可能像全面试验那样对各因素效应、交互 作用一一分析；当交互作用存在时，有可

3、能出现交互作用的混杂。如对于上述3因素每个因素验方案仅包含9个水平组合,3水平试验，若不考虑交互作用， 可利用正交表L9（34）安排，试出最佳的生产条件。就能反映试验方案包含27个水平组合的全面试验的情况，找、正交设计的基本原理f 1 ： 1）： > -勇1臺亘些 .* I11*1IIIL=二_ _ 附- ©1,U*1_ 三三 =1三 三 三P H/表11-133试验的全面试验方案C 仏为qCGAjBjCj比S,AjBjCf比AfCjAjC且/心A-Cj/弭寸AjSfCfA护心，足q如RmG011-13因素每个因素3水平试验点的均衡分布图正交设计就是从全面试验点（水平组合）中挑

4、选出有代表性的部分试验点（水平组合）来进行试验。图1中标有9 '个试验点，就是利用正交表L9（34）从27个试验点中挑选出来的9个试验点。即:(2)AiB2C2A iB3C3(4)A 2 Bi C2(5)A 2 B2 C3(6)A2B3Ci(7)A 3 Bi C3(8)A3B2Ci(9)A 3B3C2上述选择，保证了 A因素的每个水平与 B因素、C因素的各个水平在试验中各搭配一次。从图1中可以看到，9个试验点分布是均衡的，在立方体的每个平面上 有且仅有3个试验点；每两个平面的交线上有且仅有1个试验点。9个试验点均衡地分布于整个立方体内，有很强的代表性，能够比较全面地反映全面试验的基本情

5、况。二、正交表及其特性(一)正交表表 11-2 是L8(27)正交表，其中“L”代表正交表；L右下角的数字“ 8 ”表示有8行，用这张正交表安排试验包含 8个处理(水平组合)；括号内的底数“ 2 ”表示因素的水平数，括号内2的指数“ 7”表示有7列，用这张正交表最多可以安排 7个2水平因素。试验号列号12345671111111131112222312211224122221153121212621221217221I221S2212112表 11-2L8(27)正交表2水平正交表还有 L4（23）、Li6（215）等;等。3水平正交表有 L9（34）、L27（313）、（二）正交表的特性1、

6、任一列中，不同数字出现的次数相同例如L8（27）中不同数字只有1和2，它们各出现4次；L9（34）中不同数字有1、2和3， 它们各出现3次。2、任两列中，同一横行所组成的数字对出现的次数相同例如L8（27）的任两列中（1, 1）, （1,2）, （2, 1）, （2, 2） 各出现两次；L9（34）任两列中（1, 1）, (1,2), (1,3), (2, 1), (2, 2), (2, 3), (3, 1), (3, 2), (3, 3) 各出现 1 次。即每个因素的一个水平与 另一因素的各个水平互碰次数相等，表明任意两列各个数字之间的搭配是均匀的。用正交表安排的试验，具有均衡分散和整齐可比

7、的特点。均衡分散，是指用正交表挑选出来的各因素水平组合在全部水平组合中的分布是均衡的。由图11-1可以看出，在立方体中，任一平面内都包含试验点,任两平面的交线上都包含1个试验点。整齐可比是指每一个因素的各水平间具有可比性。当比较某因A因素的3个水因为正交表中每一因素的任一水平下都均衡地包含着另外因素的各个水平,素不同水平时，其它因素的效应都彼此抵消。如在A、B、C 3个因素中,平A1、A2、A3 条件下各有 B、C的3个不同水平，即:B1C1B】C2B1C3A1 B2C2A2 B2C3A3 B2C1B3C3B3C1B3C2在这9个水平组合中，A因素各水平下包括了 B、C因素的3个水平，虽然搭配

8、方式不同，但B、C皆处于同等地位，当比较A因素不同水平时，B因素不同水平的效应相互抵消,C因素不同水平的效应也相互抵消。所以A因素3个水平间具有可比性。同样，B、C因素 3个水平间亦具有可比性。正交表的类别1、相同水平正交表各列中出现的最大数字相同的正交表称为相同水平正交表。L4（23）、L8（27）、Li2（211）等各列中最大数字为2，称为两水平正交表;L9（34）、L27（313）等各列中最大数字为3，称为3水平正交表。混合水平正交表各列中出现的最大数字不完全相同的正交表称为混合水平正交3表。L8（41 X24）表中有一列最大数字为4，有4列最大数字为2。也就是说该表可以安个4水平因素和

9、4个2水平因素。Li6（44 X23）, Li6（4 X212）等都混合水平正交表。三、正交设计方法【例11 1】 某水稻栽培试验选择了3个水稻优良品种（A）:二九矮、高二矮、窄叶青,3 种密度(B): 15、20、25(万苗 /666.7m2 );3 种施氮量(C): 3、5、8( kg/666.7m2), 试采用正交设计安排一个试验方案。（一）确定试验因素及其水平，列出因素水平表表11-3因素水平表因素品种（A）密度施氮里二九矮佃）15耳） 高二矮（AJ 20（82） 窄叶青（AJ 25（BJ(B)(C)W5(CJ8(CJ（二）选用合适的正交表根据因素、水平及需要考察的交互作用的多少来选择

10、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（包括需要考查的交互作用），又要使部分水平组合数（处理数）尽可能地少。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（包括需要考查交互作用） 应不大于正交表记号中括号内的指数；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。此例有3个3水平因素,若不考察交互作用，则各因素自由度之和为因素个数X（水平数-1）X (3-1) =6，小于L9（34）总自由度9-1=8，故可以选用L9（34）;

11、若要考察交互作用,则应选用L27（313）,此时所安排的试验方案实际上是全面试验方案。表头设计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。在不考察交互作用时，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。此例不考察交互作用，可将品种（A）、密度（B）和施氮量（C）依次安排在L9（34）的第1、2、3列上，第4列为空列，见表2-4 。表 11-4表头设计列号1234素AD C空L9 （ 34 ）表头设计因素数12 13列号41AkABxCi12BBAZCi1 3AX比 厂CAXBAXBsAXBjAXCjBXCj4AB

12、CDBXC,AXCiAXBiAXBgBXD(AXDiAX DaAXCj,CXD,IC X DjBXDjBXCjIL8（27）表头设计W素数列号'12345673ABAXBCAXC BXC4ABAXBCXDCAXC BXC BXD AXDD4ARAXBCXDCBXDAXCr>BXCAXD5A nxKBAXBCXD CXEC BXDAXCDBXE AXEBXCEAXH（四）列出试验方案把正交表中安排因素的各列（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。表11-5 正交试验方案因试骑号ABC12311二九煙）1 UR1 (3>11

13、（二九癢）2C20)231 （二九建3越5)3(0>42高-矮）1 (15)252高-矮）2(20)3(8>62（高二蟻）3(25)1 (3>13（窄叶青）1 (15)3(8>83（窄叶青）?(?0)1 (3>g3（宕叶青33伽?(!)>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。单个观测值正交试验资料的方差分析2-6。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 试对其进行方差分析。表11-6正父试验结杲计

14、算表皿号因 秦产呈A B(2)CP)1111340.0(X117?422«5CXi)313343叫）42125223452.5(x062314390(如7313弭2.0（衍）S321363.5(xj)93324£2卫（吟）1201.51092.01142.51291.5127851245.01218.01340.51323.5400.50364.00380.83430.50426.17415.00446.83441仃Ti为各因素同一水平试验指标之和,T为9个试验号的试验指标之和;X为各因素同一水平试验指标的平均数。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

15、 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 = SS A + SSb + SSc+SSedf Tdf A + df B + df C+ 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。1、计算各项平方和与自由度矫正数C = T 2/n = 37112/9 = 1530169.00总平方和SST = 5X2-C=(340.0 2+422.5 2+ -+462.5 2)-1530169.00=21238.00A因素平方和 2SSa= XT A

16、 / ka-C=1530.50B因素平方和SSb =艺TB /k b-C=(1092.0 2+1278.5 2+134O.5 2)/3-1530169.00 =11153.17C因素平方和2SSc=艺Tc / kc-C=(1142.5 2+1245.O 2+1323.5 2)/3 -1530169.00=5492.17误差平方和SSe=SS T-SS a-SSb-SSc=21238.00-1530.5-11153.17 -5492.17=3062.16总自由度dfT =n-1 =9-1=8A因素自由度df A = a-1 =3-1=2B因素自由度df B = b-1 =3-1=2C因素自由度d

17、fc = c-1 =3-1=2误差自由度dfe = dfdf A-df B-df C=8-2-2-2 = 22、列出方差分析表，进行F检验表11-7方差分析表变异来源SSxirMSFF仇呗z 品种1530. fiO27 閃* 25<119,00密度ffl）11153.1725576. 503.时ifeSS(c)5492. 1722746. 091. 793062. 162lb3L0e总变异21238.008F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

18、进行各因素水平间的多重比较。此时，可从表A2B3C3。11-6中选择平均数大的水平A2、B3、C3组合成最优水平组合若F检验结果3个因素对试验指标的影响显著或极显著，进行各因素水平间多重比较 常米用SSR法。本例是选用相同水平正交表L9（34）安排的试验，A、B、C因素各水平重复数相同，即ka=kb=kc=3，它们的标准误相同，即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

19、误差，有可能掩盖考察因素的显著性。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。有重复观测值正交试验资料的方差分析A ）、浓度【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（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 133.3m 2）见表1110,对试验结果进行方差分析。用r表示试验处理的重复数（区组数）；n，a、b、c， ka、kb、kc 的意义同上。此例 r=2 ;n=9 ,a=b=

20、c=3ka=k b =k c=3。28.9331.32表11-10防治花生锈病药剂种类、浓度、剂量正交试验方案及结果计算表因素产產鼻阿卜区）盘BC区组IT-L11 酊淘1 （高）1 (£0)£e.556.928.2321 （師淘2仲）2 (100)3已站珂ees.B34*9051 葩渚）3 (120)32.264.73246A2 斂镌灵）1 （高）2 UTO)3乩0昶.Ze«.z33 JO522 （中）3 (130)27.427.054.427.2062 f晞司）3 (ft)1 (SO)31.A32.0313073 C潔1 （盲）3（I2V）34.234.5ca.

21、T34.35S2仲）1）aa.re935仙2 (1W)29,430.053.4£9,70Ti191.0191.4165.3273.5275.5549.01T,184.41097195.4117X5107J137.8131.8331SQ27.63M.732B2332.57Ti为各因素同一水平试验指标之和，T为9个试验号的试验指标之和;x为各因素同一水平试验指标的平均数。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

22、+SS e2df T = df t + df r + df e2SS=SS a+SSB+SS c+SSeidft = df A + df b + df c + df ei于是SSt= SSa+SSb+SSc+SS r+SSe1+ SS e2df T =df A + df B + df C + df r + df e1 + df e2SSt为其中：SSr为区组间平方和；SSe1为模型误差平方和；SSe2为试验误差平方和;处理间平方和;dfr、 dfe1、dfe2、dft为相应自由度。SSr、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dfr 项。1、计算各项平方和与自由度

23、矫正数C =T2/ r n =549.0 2/ (2 X9) =16744.50总平方和SSt=习2-C=28.0 2+35.0 2+ "+30.0 2-16744.50=246.62区组间平方和SSr= 5T2r /n-C=(273.5 2+275.5 2)/9- 16744.50 =0.22处理间平方和SSt2T2t / r - CA因素平方和=(56.5 2+69.8 2+ -"+59.4 2)/2-16744.50=245.96SSaT"2A / k ar - CB因素平方和=(191.0 2+184.4 2+173.6 2)/(3 X2) - 16744

24、.50=25.72SSb = 5T2b / k br - C=(191.4 2+169.7 2+187.9 2)/(3 X2) - 16744.50=45.24C因素平方和SSc=为r2c / kcr - C=(165.8 2 + 195.4 2+187.8 2)/(3 X2) -16744.50=78.77模型误差平方和SSe1 = SSt - SSa - SSb - SSc=245.96- 25.72- 45.24.- 78.77=96.23区组自由度df r=r-1 =2-1=1处理自由度dft=n-1 =9-1=8A因素自由度df A=a-1 =3-1=2B因素自由度dfB=b-1 =

25、3-1=2C因素自由度df C=c-1 =3-1=2试验误差平方和SSe2 = SSt - SSr - SSt=246.62- 0.22- 245.96=0.44总自由度dfT=rn-1 =2 X9-1=17模型误差自由度dfei = df t-df A-df B-df c=8-2-2-2= 2试验误差自由度df e2=df T-df r-df t =17-1-8 = 82、列出方差分析表，进行F检验s异来源SS炉FF畑A25,72212,86214.33*4,10"5B药.24222.62377*0CrC7B.77239.396吕乩50“区组0.2210.223帀严4.9610.0

26、1模型误差优"96.23146.12802.00"*试軽误差D.44K0.06总»246.5217有重复观测值正交试验资料的方差分析表表 11-10首先检验 MSe1与MSe2差异的显著性，若经 F检验不显著，则可将其平方和与自由度分别合并，计算出合并的误差均方，进行F检验与多重比较，以提高分析的精度；若验显著，说明存在交互作用，二者不能合并此时只能以 MS e2进行F检验与多重比较。本例MSel / MSe2= 802.00* ，模型误差均方MSel与试验误差均方MSe2差异极显著，说明试验因素间交互作用极显著，只能以试验误差均方MSe2 进行F检验与多重比较。

27、F检验结果表明，药剂种类（A）、浓度（B）、剂量（C） 3因素对花生产量都有极显著影响；区组间差异不显著 。3、 多重比较（1）若模型误差显著，说明试验因素间存在交互作用，各因素所在列有可能出现交互作用的混杂，此时各试验因素水平间的差异已不能真正反映因素的主效,因而进行各因素水平间的多重比较无多大实际意义，但应进行试验处理间的多重比较,以寻求最处理，即最优水平组合。进行各试验处理间多重比较时选用试验误差均方MS e2。模型误差显著，还应进步试验，以分析因素间的交互作用。（2）若模型误差不显著，说明试验因素间交互作用不显著，各因素所在列有可能未出现交互作用的混杂，此时各因素水平间的差异能真正反映

28、因素的主效,因而进行各因素水平间的多重比较有实际意义，并从各因素水平间的多重比较中选出各因素的最优水平相组合,得到最优水平组合。进行各因素水平间的多重比较时，用合并的误差均方MSe= ( SSfei+ SSe2)/( dfel+ dfe2)此时可不进行试验处理间的多重比较。本例模型误差极显著， 说明因素间存在交互作用， 不必进行各因素水平间的多重比较,应进行试验处理间的多重比较以寻求最处理，即最优水平组合。为了让读者了解多重比较的方法，下面仍对各因素水平间、各试验处理间进行多重比较。（1） A、B、C因素各水平平均数的多重比较（SSR 法）由 dfe=8和 k=2, 3,查得SSR值并计算出LSR值列于表11-15 。A因素平沟数E3L8330.7328.931 g-28.932.90*1,80*0-30.731J0*表 11-13B因素各水平平均数的多重比较表B因素平均数ag-28.28B-31J2巧31-903.62"0-5旷31.323.04"28-28表 11-14C因素各水平平均数的多重比较表匚闵素平均数凰g