正交试验结果的极差分析法
正交试验结果的极差分析法
正交试验方法能得到科技工作者的重视，在实践中得到广泛的应用，原因之一是不仅试验的次数减少，而且用相应的方法对试验结果进行分析可以引出许多有价值的结论。因此，在正交试验中，如果不对试验结果进行认真的分析，并明确地引出应该引出的结论，那就失去用正交试验法的意义和价值。
下面以L4（23）表为例讨论正交试验结果的极差分析法。
表4-13 L4 (2 3）正交试验计算表
列号
1 2 3 试验指标y i
试验号
1 1 1 1 y1
2 1 2 2 y2
3 2 1 2 y3
n=4 2 2 1 y4
I j I1 = y j+y2I2 = y1+y3I3 = y1+y4
II j II1 = y3+y4II2 = y2+y4II3 = y2+y3
k j k1 =2 k2 =2 k3 =2
I j/k j I1/k1I2/k2I3/k3
II j/k j II1/k1II2/k2II3/k3
极差(D j) max{}-min{} max{}-min{} max{}-min{}
在表4-13中：
I j——第j列“1”水平所对应的试验指标的数值之和。
Ⅱj——第j列“2”水平所对应的试验指标的数值之和。
（第j列有“3”，“4”水平时）
k j——第j列同一水平出现的次数。等于试验的次数（n）除以第j列的水平数。
——第j列“1”水平所对应的试验指标的平均值。
——第j列“2”水平所对应的试验指标的平均值。
D j——第j列的极差。等于第j列各水平对应的试验指标平均值中的最大值减最小值，即
用极差法分析正交试验结果应引出以下几个结论：
①在试验范围内，各列对试验指标的影响从大到小的排队。
某列的极差最大，表示该列的数值在试验范围内变化时，使试验指标数值的变化最大。
所以各列对试验指标的影响从大到小的排队，就是各列极差D的数值从大到小的排队。
②试验指标随各因素的变化趋势。
③使试验指标最好的适宜的操作条件（适宜的因素水平搭配）。
④对所得结论和进一步研究方向的讨论。
例4-5要求对例4-4的试验问题，写出应用正交试验设计方法的全过程，用极差法分析正交实验的结果。
解：试验目的：提高磺化反应的乙酰胺苯的收率。
试验指标：乙酰胺苯的收率
表4-14因素水平表
因素反应温度/℃反应时间/h 硫酸浓度/% 操作方法
符号A B C D
正交试验设计的spss分析
上机操作6：正交试验设计的spss分析习题：有一混合水平的正交试验，A因素为葡萄品种，A1、A2、A3、A4，B因素为施肥期，有B1、B2，C因素为施肥量，有C1、C2，重复三次，采用L8(4×24)正交表，试验结果如下表，试进行分析 葡萄品种施肥时期及用量实验结果 解： 1.定义变量，输入数据：在变量视图中写入变量名称“产量”、“区组”、“施肥量”、“施肥期”、“品种”“处理”，宽度均为8，小数均为0。并在数据视图依次输入变量。 2．分析过程： （1）正态分布检验： 工具栏“图形”——“P-P图”，在“变量”中放入“产量”，“检验分布”为“正态”，“确定”。 （2）方差齐性检验： a.工具栏“分析”——“比较均值”——“单因素ANOVA”。 b.在“因变量”中放入“产量”，在“固定因子”中放入“品种”。 c.点击“选项”，在“统计量”中点击“方差同质性检验”，“继续”。 d.“确定”。工具栏“分析”——“比较均值”——“单因
素ANOVA”。 e.在“因变量”中放入“产量”，在“固定因子”中放入“施肥期”。 f.点击“选项”，在“统计量”中点击“方差同质性检验”，“继续”。 g.“确定”。在“因变量”中放入“产量”，在“固定因子”中放入“施肥量”。 h.点击“选项”，在“统计量”中点击“方差同质性检验”，“继续”。 i.“确定”。在“因变量”中放入“产量”，在“固定因子”中放入“处理”。点击“选项”，在“统计量”中点击“描述性”和“方差同质性检验”，“继续”。 j.“确定”。 （3）显著性差异检验： a.工具栏“分析”——“常规线性模型”——“单变量”。 b.在“因变量”中放入“产量”，在“固定因子”中分别放入“施肥期”、“施肥量”、“品种”“区组”。 c.点击“模型”，“定制”，将“施肥期”、“施肥量”、“品种”、“区组”放入“模型”下。在“建立项”中选择“主效应”，“继续”。 d.点击“两两比较”，将“施肥期”、“施肥量”、“品种”放入“两两比较检验”中，点击“假定方差齐性”中的“Duncan”。
正交试验设计的极差分析
第7章正交试验设计的极差分析正交试验设计和分析方法大致分为二种：一种是极差分析法(又称直观分析法),另一种是方差分析法(又称统计分析法)。本章介绍极差分析法，它简单易懂，实用性强，在工农业生产中广泛应用。 7.1单指标正交试验设计及其极差分析 极差分析法简称R法。它包括计算和判断两个步骤，其内容如图7-1所示。 由K jm的大 j列因素的极 j为第 R j反映了第j列因素的水平变动时，试验指标的变动幅度。R j越大，说明该因素对试验指标的影响越大，因此也就越重要。于是依据R j的大小，就可以判断因素的主次。 极差分析法的计算与判断，可直接在试验结果分析表上进行，现以例６-２来说 明单指标正交试验结果的极差分析方法。 一、确定因素的优水平和最优水平组合 例6-2为提高山楂原料的利用率，某研究组研究了酶法液化工艺制造山楂精汁。拟通过正交试验寻找酶法液化工艺的最佳工艺条件。 在例６-２中，不考虑因素间的交互作用（因例６-２是四因素三水平试验，故选用L9(34)正交表），表头设计如表６-５所示，试验方案则示于表６-６中。试验结果的极差分析过程，如表７-１所示.
表6-4因素水平表 表6-6试验方案及结果 试验指标为液化率，用y i表示，列于表６-６和表７-１的最后一列。 表7-1试验方案及结果分析
计算示例： 因素A 的第１水平A 1所对应的试验指标之和及其平均值分别为： K A1=y 1+y 2+y 3=0+17+24=41， 1A K 3 1K A1=13.7 同理，对因素A 的第２水平A 2和第３水平A 3，有 K A2=y 4+y 5+y 6=12+47+28=87， 2A K 31K A2=29 K A3=y 7+y 8+y 9=1+18+42=61， 3A K 31 K A3=20.3 由表７-１或表６-６可以看出，考察因素A 进行的三组试验中（A 1,A 2,A 3），B 、C 、D 各水平都只出现了一次，且由于B 、C 、D 间无交互作用，所以B 、C 、D 因素的各水平的不同组合对试验指标无影响，因此，对A 1、A 2和A 3来说，三组试验的试验条件是完全一样的。假如因素A 对试验指标无影响，那么321,,A A A K K K 应该相等，但由上面的计标可知，321,,A A A K K K 实际上并不相等，显然，这是由于因素A 的水平变化引起的，因此，321,,A A A K K K 的大小反映了A 1、A 2和A 3对试验指标影响的大小。由于液化率y 越大越好，而132A A A K K K ，所以可判断A 2为因素A 的优水平。 同理，可判断因素B 、C 、D 的优水平分别为B 3、C 3、D 1。所以，优水平组合为A 2B 3C 3D 1，即最优工艺条件为加水量A 2=50ml/100g 、加酶量B 3=7ml/100g 、酶解温度C 3=50。C 和酶解时间D 1=1.5小时。 二、确定因素主次顺序 极差R j 按定义计算，如 3.157.130.2912 A A A K K R ,
正交实验结果如何进行数据分析57070
正交实验如何数据分析 我们把在试验中考察的有关影响试验指标的条件称为因素（也叫因子），把在试验中准备考察的各种因索的不同状态(或配方)称为水平。在研究比较复杂的工程问题中，往往都包含着多个因素，而且每个因素要取多个水平。 对于包含五个因素、五个水平的工程项目，理论计算必须进行55＝3125次试验。显然，所需要的试验次数太多了，工作量太大。实践告诉我们，合理安排试验和科学分析试验，是试验工作成败的关键。 试验方案设计的好，试验次数就少，周期也短，这样不仅节省了大量人力、物力、财力和时间，而且可以得到理想的结果。相反，如果试验设计安排的不好，即使进行了很多次试验，浪费了大量材料、人力和时间，也不一定能够得到预期的结果。 正交试验法，就是在多因素优化试验中，利用数理统计学与正交性原理，从大量的试验点中挑选有代表性和典型性的试验点，应用“正交表”科学合理地安排试验，从而用尽量少的试验得到最优的试验结果的一种试验设计方法。 正交试验法也叫正交试验设计法，它是用“正交表”来安排和分析多因素问题试验的一种数理统计方法。这种方法的优点是试验次数少，效果好，方法筒单，使用方便，效率高。 由于试验次数大大减少，使得试验数据处理非常重要。我们可以从所有的试验数据中找到最优的一个数据，当然，这个数据肯定不是最佳匹配数据，但是肯定是最接近最佳的了。
用正交表安排的试验具有均衡分散和整齐可比的特点。均衡分散，是指用正交表挑选出来的各因素和各水平组合在全部水平组合中的分布是均衡的。整齐可比是说每一因素的各水平间具有可比性。 最简单的正交表L4(23)如表-1所示。 表-1 记号L4(23)的含意如下： “L”代表正交表； L下角的数字“4”表示有4横行(简称为行)，即要做四次试验； 括号内的指数“3”表示有3纵列(简称为列)，即最多允许安排的因素个数是3个； 括号内的数“2”表示表的主要部分只有2种数字，即因素有两种水平l与2，称之为l水平与2水平。 表L4(23)之所以称为正交表是因为它有两个特点： 1、每一列中，每一因素的每个水平，在试验总次数中出现的次数
第7章 正交试验设计的极差分析
第7章 正交试验设计的极差分析 正交试验设计和分析方法大致分为二种：一种是极差分析法(又称直观分析法),另一种是方差分析法(又称统计分析法)。本章介绍极差分析法，它简单易懂，实用性强，在工农业生产中广泛应用。 7.1 单指标正交试验设计及其极差分析 极差分析法简称R 法。它包括计算和判断两个步骤，其内容如图7-1所示。 图7-1 R 法示意图 图中，K jm 为第j 列因素m 水平所对应的试验指标和，K jm 为K jm 的平均值。由K jm 的大小可以判断j 因素的优水平和各因素的水平组合，即最优组合。R j 为第j 列因素的极差，即第j 列因素各水平下平均指标值的最大值与最小值之差： R j =max(jm j j K K K ,,,21 )-min(jm j j K K K ,,,21 ) R j 反映了第j 列因素的水平变动时，试验指标的变动幅度。R j 越大，说明该因素对试验指标的影响越大，因此也就越重要。于是依据
R j的大小，就可以判断因素的主次。 极差分析法的计算与判断，可直接在试验结果分析表上进行，现以例６-２来说明单指标正交试验结果的极差分析方法。 一、确定因素的优水平和最优水平组合 例6-2 为提高山楂原料的利用率，某研究组研究了酶法液化工艺制造山楂精汁。拟通过正交试验寻找酶法液化工艺的最佳工艺条件。 在例６-２中，不考虑因素间的交互作用（因例６-２是四因素三水平试验，故选用L9(34)正交表），表头设计如表６-５所示，试验方案则示于表６-６中。试验结果的极差分析过程，如表７-１所示. 表6-4 因素水平表 表6-6 试验方案及结果
正交实验设计及结果分析
正交试验设计对于单因素或两因素试验，因其因素少，试验的设计、实施与分析都比较简单。但在实际工作中，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。正交试验设计就是安排多因素试验、寻求最优水平组合的一种高效率试验设计方法。 1 正交试验设计的概念及原理 1.1 正交试验设计的基本概念 正交试验设计是利用正交表来安排与分析多因素试验的一种设计方法。它是由试验因素的全部水平组合中，挑选部分有代表性的水平组合进行试验的，通过对这部分试验结果的分析了解全面试验的情况，找出最优的水平组合。 例如：设计一个三因素、3 水平的试验 A 因素，设A、A?、A33个水平；B因素，设B、B2、B33个水平； C因素，设G、G、G 3个水平，各因素的水平之间全部可能组合有27 种。 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（图示的27 个节点），工作量大，在有些情况下无法完成。 若试验的主要目的是寻求最优水平组合，则可利用正交表来设计安排试验。 全面试验法示意图
三因素、三水平全面试验方案 正交试验设计的基本特点是：用部分试验来代替全面试验，通过对部分试验结果的分析，了解全面试验的情况。 正因为正交试验是用部分试验来代替全面试验的，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，有可能出现交互作用的混杂。虽然正交试验设计有上述不足，但它能通过部分试验找到最优水平组合，因而很受实际工作者青睐。 如对于上述3因素3水平试验，若不考虑交互作用，可利用正交表L9（34）安排，试验方案仅包含9个水平组合，就能反映试验方案包
正交试验设计及其方差分析
第三节正交试验设计及其方差分析 在工农业生产和科学实验中，为改革旧工艺，寻求最优生产条件等，经常要做许多试验，而影响这些试验结果的因素很多，我们把含有两个以上因素的试验称为多因素试验.前两节讨论的单因素试验和双因素试验均属于全面试验（即每一个因素的各种水平的相互搭配都要进行试验），多因素试验由于要考虑的因素较多，当每个因素的水平数较大时，若进行全面试验，则试验次数将会更大.因此，对于多因素试验，存在一个如何安排好试验的问题.正交试验设计是研究和处理多因素试验的一种科学方法，它利用一套现存规格化的表——正交表，来安排试验，通过少量的试验，获得满意的试验结果. 1.正交试验设计的基本方法 正交试验设计包含两个内容：（1）怎样安排试验方案；（2）如何分析试验结果.先介绍正交表. 正交表是预先编制好的一种表格.比如表9-17即为正交表L4(23),其中字母L表示正交，它的3个数字有3种不同的含义： (1) L4（23）表的结构：有4行、3列，表中出现2个反映水平的数码1，2. 列数 ↓ L4 （23） ↑↑ 行数水平数 （2）L4（23）表的用法：做4次试验，最多可安排2水平的因素3个. 最多能安排的因素数 ↓ L4 (23) ↑↑ 试验次数水平数 (3) L4（23）表的效率：3个2水平的因素.它的全面试验数为23=8次，使用正交表只需从8次试验中选出4次来做试验，效率是高的. L4 (23) ↑↑ 实际试验数理论上的试验数 正交表的特点： （1）表中任一列，不同数字出现的次数相同.如正交表L4(23)中，数字1，2在每列中均出现2次. （2）表中任两列，其横向形成的有序数对出现的次数相同.如表L4（23）中任意两列，数字1，2间的搭配是均衡的.
正交实验设计与结果分析
正交试验设计 对于单因素或两因素试验，因其因素少，试验的设计、实施与分析都比较简单。但在实际工作中，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。正交试验设计就是安排多因素试验、寻求最优水平组合的一种高效率试验设计方法。 1 正交试验设计的概念及原理 1.1 正交试验设计的基本概念 正交试验设计是利用正交表来安排与分析多因素试验的一种设计方法。它是由试验因素的全部水平组合中，挑选部分有代表性的水平组合进行试验的，通过对这部分试验结果的分析了解全面试验的情况，找出最优的水平组合。 例如：设计一个三因素、3水平的试验 A因素，设A1、A2、A33个水平；B因素，设B1、B2、B33个水平；C因素，设C1、C2、C3 3个水平，各因素的水平之间全部可能组合有27种。 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（图示的27个节点），工作量大，在有些情况下无法完成。 若试验的主要目的是寻求最优水平组合，则可利用正交表来设计安排试验。 全面试验法示意图
三因素、三水平全面试验方案 正交试验设计的基本特点是：用部分试验来代替全面试验，通过对部分试验结果的分析，了解全面试验的情况。 正因为正交试验是用部分试验来代替全面试验的，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，有可能出现交互作用的混杂。虽然正交试验设计有上述不足，但它能通过部分试验找到最优水平组合，因而很受实际工作者青睐。 如对于上述3因素3水平试验，若不考虑交互作用，可利用正交表L9(34)安排，试验方案仅包含9个水平组合，就能反映试验方案包
正交试验方差分析(通俗易懂)
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，通过对这部分试验结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： A因素是氮肥施用量，设A1、A2、A3 3个水平； B因素是磷肥施用量，设B1、B2、B3 3个水平； C因素是钾肥施用量，设C1、C2、C3 3个水平。 这是一个3因素每个因素3水平的试验，各因素的水平之间全部可能的组合有27种。 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、经费等限制而难于实施。 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。 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，了解全面试验的情况。 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，有可能出现交互作用的混杂。 如对于上述3因素每个因素3水平试验，若不考虑交互作用，可利用正交表L9(34)安排，试验方案仅包含9个水平组合，就能反映试验方案包含27个水平组合的全面试验的情况，找出最佳的生产条件。 一、正交设计的基本原理 表11-1 33试验的全面试验方案
第7章-正交试验设计的极差分析汇总
\ 第7章 正交试验设计的极差分析 正交试验设计和分析方法大致分为二种：一种是极差分析法(又称直观分析法),另一种是方差分析法(又称统计分析法)。本章介绍极差分析法，它简单易懂，实用性强，在工农业生产中广泛应用。 单指标正交试验设计及其极差分析 极差分析法简称R 法。它包括计算和判断两个步骤，其内容如图7-1所示。 & 图7-1 R 法示意图 — 图中，K jm 为第j 列因素m 水平所对应的试验指标和，K jm 为K jm 的平均值。由K jm 的大小可以判断j 因素的优水平和各因素的水平组合，即最优组合。R j 为第j 列因素的极差，即第j 列因素各水平下平均指标值的最大值与最小值之差： R j =max(jm j j K K K ,,,21 )-min(jm j j K K K ,,,21 )
R j反映了第j列因素的水平变动时，试验指标的变动幅度。R j越大，说明该因素对试验指标的影响越大，因此也就越重要。于是依据R j的大小，就可以判断因素的主次。 极差分析法的计算与判断，可直接在试验结果分析表上进行，现以例６-２来说明单指标正交试验结果的极差分析方法。 一、确定因素的优水平和最优水平组合 例6-2 为提高山楂原料的利用率，某研究组研究了酶法液化工艺制造山楂精汁。拟通过正交试验寻找酶法液化工艺的最佳工艺条件。 在例６-２中，不考虑因素间的交互作用（因例６-２是四因素三水平试验，故选用L9(34)正交表），表头设计如表６-５所示，试验方案则示于表６-６中。试验结果的极差分析过程，如表７-１所示. ( 表6-4 因素水平表 酶解温度 (C) ( C 表6-6 试验方案及结果
正交试验结果的极差分析法
正交试验结果的极差分析法 正交试验方法能得到科技工作者的重视，在实践中得到广泛的应用，原因之一是不仅试验的次数减少，而且用相应的方法对试验结果进行分析可以引出许多有价值的结论。因此，在正交试验中，如果不对试验结果进行认真的分析，并明确地引出应该引出的结论，那就失去用正交试验法的意义和价值。 下面以L4（23）表为例讨论正交试验结果的极差分析法。 表4-13 L4 (2 3）正交试验计算表 在表4-13中： I j——第j列“1”水平所对应的试验指标的数值之和。 Ⅱj——第j列“2”水平所对应的试验指标的数值之和。 （第j列有“3”，“4”水平时）
k j——第j列同一水平出现的次数。等于试验的次数（n）除以第j列的水平数。 ——第j列“1”水平所对应的试验指标的平均值。 ——第j列“2”水平所对应的试验指标的平均值。 D j——第j列的极差。等于第j列各水平对应的试验指标平均值中的最大值减最小值，即 用极差法分析正交试验结果应引出以下几个结论： ①在试验范围内，各列对试验指标的影响从大到小的排队。 某列的极差最大，表示该列的数值在试验范围内变化时，使试验指标数值的变化最大。 所以各列对试验指标的影响从大到小的排队，就是各列极差D的数值从大到小的排队。 ②试验指标随各因素的变化趋势。 ③使试验指标最好的适宜的操作条件（适宜的因素水平搭配）。 ④对所得结论和进一步研究方向的讨论。 例4-5要求对例4-4的试验问题，写出应用正交试验设计方法的全过程，用极差法分析正交实验的结果。 解：试验目的：提高磺化反应的乙酰胺苯的收率。 试验指标：乙酰胺苯的收率 表4-14因素水平表
正交试验设计的极差分析
正交试验设计的极差分 析 Corporation standardization office #QS8QHH-HHGX8Q8-GNHHJ8
第7章 正交试验设计的极差分析 正交试验设计和分析方法大致分为二种：一种是极差分析法(又称直观分析法),另一种是方差分析法(又称统计分析法)。本章介绍极差分析法，它简单易懂，实用性强，在工农业生产中广泛应用。 7.1 单指标正交试验设计及其极差分析 极差分析法简称R 法。它包括计算和判断两个步骤，其内容如图7-1所示。 由K jm 。 R j R j =max(jm j j K K K ,,,21 )-min(jm j j K K K ,,,21 ) R j 反映了第j 列因素的水平变动时，试验指标的变动幅度。R j 越大，说明该因素对试验指标的影响越大，因此也就越重要。于是依据R j 的大小，就可以判断因素的主次。 极差分析法的计算与判断，可直接在试验结果分析表上进行，现以例６-２来说明单指标正交试验结果的极差分析方法。 一、 确定因素的优水平和最优水平组合 例6-2 为提高山楂原料的利用率，某研究组研究了酶法液化工艺制造山楂精汁。拟通过正交试验寻找酶法液化工艺的最佳工艺条件。
在例６-２中，不考虑因素间的交互作用（因例６-２是四因素三水平试验，故选用L9(34)正交表），表头设计如表６-５所示，试验方案则示于表６-６中。试验结果的极差分析过程，如表７-１所示. 表6-4 因素水平表 表6-6 试验方案及结果 试验指标为液化率，用y i表示，列于表６-６和表７-１的最后一列。 表7-1 试验方案及结果分析
正交试验结果分析的回归分析方法
正交试验结果分析的回归分析方法 方法简述 本节的题目表明，本方法仅仅是对正交试验结果进行分析的一种方法。在对正交试验结果进行分析之前，如何明确试验指标、因素和水平，如何选择正交表，如何进行表头设计，如何做实验等，与本章所讲的常规的正交试验设计方法是完全相同的。本方法实际上是用正交表来设计试验方案，再用逐步回归方法来处理正交试验的实验数据。用正交表来设计试验方案，目的是使数据点的分布均匀合理；用逐步回归方法来处理实验数据，目的是为了得到有多种用途的数学回归式。 回归模型和回归方法 正交试验设计方法特别适合于解决多因素试验问题。化工上，大多数的实际问题都是多因素的问题，而且多数问题都是非线性的问题。一个适用于多元线性和非线性回归的回归模型，是下式所示的多元二次多项式：（以4个自变量为例） （4-7） 可见，在4个自变量时，若包括b0则待求的回归系数就多达15个。为此实验的次数至少应16次，而且求回归系数的过程和应用回归式求y的计算过程都很长，舍入误差较大。实际上，如同在方差分析时有些列在F检验中会不显著一样，在按式（4-7）进行回归分析时有些项在F检验中也会不显著。若只让F检验显著的项进入和保留在回归式中，则所得的回归式肯定会比式（4-7）简化许多。为此，我们推荐使用逐步回归方法来进行多元二次多项式的回归。 逐步回归方法见本书的第3章3.5.5。在这种回归方法中，用每次选入时至多选入一项，每次剔除时至多剔除一项，选入、剔除交替进行的办法来进行回归操作。该选入时，从当前尚在回归式之外的众“项”中选择F值最大且F检验显著的一项，送入回归式。该剔除时，从当前已在回归式之中的众“项”中选择F值最小且F检验不显著的一项，从回归式剔除出去。由此可知，在最后所得的回归式中，每一项回归系数的F检验都是显著的。
第7章-正交试验设计的极差分析
第7章 正交试验设计的极差分析 正交试验设计和分析方法大致分为二种：一种是极差分析法(又称直观分析法),另一种是方差分析法（又称统计分析法)。本章介绍极差分析法,它简单易懂,实用性强，在工农业生产中广泛应用。 ７.1 单指标正交试验设计及其极差分析 极差分析法简称R 法。它包括计算和判断两个步骤,其内容如图7-1所示。 图7－１ R 法示意图 图中，Ｋj ｍ为第ｊ列因素m 水平所对应的试验指标和，K ｊm 为Ｋjm 的平均值。由K jm 的大小可以判断ｊ因素的优水平和各因素的水平组合，即最优组合。R j 为第j 列因素的极差，即第j 列因素各水平下平均指标值的最大值与最小值之差： R j =max(jm j j K K K ,,,21 ）-ｍin(jm j j K K K ,,,21 ) R j 反映了第ｊ列因素的水平变动时，试验指标的变动幅度。R j 越大,说明该因素对试验指标的影响越大，因此也就越重要。于是依据
R j的大小,就可以判断因素的主次。 极差分析法的计算与判断,可直接在试验结果分析表上进行，现以例6-2来说明单指标正交试验结果的极差分析方法。 一、确定因素的优水平和最优水平组合 例６-2 为提高山楂原料的利用率，某研究组研究了酶法液化工艺制造山楂精汁。拟通过正交试验寻找酶法液化工艺的最佳工艺条件。 在例6-2中，不考虑因素间的交互作用(因例6-2是四因素三水平试验，故选用L9（34）正交表），表头设计如表６-５所示,试验方案则示于表６-6中。试验结果的极差分析过程，如表7-1所示. 表6-4 因素水平表 表6-6 试验方案及结果
试验指标为液化率，用y i 表示，列于表6-６和表7-1的最后一列。 表7－1 试验方案及结果分析 计算示例： 因素A 的第１水平Ａ1所对应的试验指标之和及其平均值分别为： K A １=ｙ１+y ２+ｙ3＝0+１７+２4=４1,=1A K 3 1 K A1=１3．7
4.1.7 正交试验结果的极差分析法
4.1.7 正交试验结果的极差分析法 正交试验方法能得到科技工作者的重视，在实践中得到广泛的应用，原因之一是不仅试验的次数减少，而且用相应的方法对试验结果进行分析可以引出许多有价值的结论。因此，在正交试验中，如果不对试验结果进行认真的分析，并明确地引出应该引出的结论，那就失去用正交试验法的意义和价值。 下面以L4（23）表为例讨论正交试验结果的极差分析法。 (2 3）正交试验计算表 表4-13 L 4 在表4-13中： ——第j列“1”水平所对应的试验指标的数值之和。 I j Ⅱ ——第j列“2”水平所对应的试验指标的数值之和。 j （第j列有“3”，“4”水平时） ——第j列同一水平出现的次数。等于试验的次数（n）除以第j列的水平数。k j ——第j列“1”水平所对应的试验指标的平均值。 ——第j列“2”水平所对应的试验指标的平均值。
D ——第j列的极差。等于第j列各水平对应的试验指标平均值中的最大值减最j 小值，即 用极差法分析正交试验结果应引出以下几个结论： ①在试验范围内，各列对试验指标的影响从大到小的排队。 某列的极差最大，表示该列的数值在试验范围内变化时，使试验指标数值的变化最大。 所以各列对试验指标的影响从大到小的排队，就是各列极差D的数值从大到小的排队。 ②试验指标随各因素的变化趋势。 ③使试验指标最好的适宜的操作条件（适宜的因素水平搭配）。 ④对所得结论和进一步研究方向的讨论。 例4-5要求对例4-4的试验问题，写出应用正交试验设计方法的全过程，用极差法分析正交实验的结果。 解：试验目的：提高磺化反应的乙酰胺苯的收率。 试验指标：乙酰胺苯的收率 表4-14因素水平表 应考虑的交互作用：A×B，A×C 选择的正交表：L （27），表头设计及计算结果均见表4-15。 8 应该引出的四个结论如下： 1．各列对试验指标影响大小的排队问题。
正交实验结果如何进行数据分析
正交实验如何数据分析 我们把在试验中考察得有关影响试验指标得条件称为因素(也叫因子）,把在试验中准备考察得各种因索得不同状态（或配方)称为水平．在研究比较复杂得工程问题中，往往都包含着多个因素,而且每个因素要取多个水平。 对于包含五个因素、五个水平得工程项目,理论计算必须进行55=3125次试验.显然,所需要得试验次数太多了，工作量太大。实践告诉我们，合理安排试验与科学分析试验,就是试验工作成败得关键。 试验方案设计得好,试验次数就少,周期也短,这样不仅节省了大量人力、物力、财力与时间，而且可以得到理想得结果。相反，如果试验设计安排得不好，即使进行了很多次试验，浪费了大量材料、人力与时间，也不一定能够得到预期得结果. 正交试验法,就就是在多因素优化试验中,利用数理统计学与正交性原理,从大量得试验点中挑选有代表性与典型性得试验点，应用“正交表”科学合理地安排试验,从而用尽量少得试验得到最优得试验结果得一种试验设计方法。 正交试验法也叫正交试验设计法，它就是用“正交表"来安排与分析多因素问题试验得一种数理统计方法。这种方法得优点就是试验次数少，效果好，方法筒单,使用方便,效率高。 由于试验次数大大减少，使得试验数据处理非常重要。我们可以从所有得试验数据中找到最优得一个数据，当然,这个数据肯定不就是最佳匹配数据，但就是肯定就是最接近最佳得了。 用正交表安排得试验具有均衡分散与整齐可比得特点。均衡分散，就是指用正交表挑选出来得各因素与各水平组合在全部水平组合中得分布就是均衡得。整齐可比就是说每一因素得各水平间具有可比性。 最简单得正交表L4(23)如表-1所示。 表-１ 记号Ｌ4(2)得含意如下： “L”代表正交表; Ｌ下角得数字“4＂表示有4横行(简称为行)，即要做四次试验; 括号内得指数“3”表示有３纵列（简称为列)，即最多允许安排得因素个数就是3个; 括号内得数“2"表示表得主要部分只有2种数字,即因素有两种水平ｌ与２,称之为l水平与2水平。 表L４(２3)之所以称为正交表就是因为它有两个特点: 1、每一列中，每一因素得每个水平,在试验总次数中出现得次数相等.表－1里不同得水平只有两个——１与2,它们在每一列中各出现２次。 ２、任意两个因素列之间，各种水平搭配出现得有序数列(即左边得数放在前，右边得数放在后,按这一次序排出得数对)时，每种数对出现得次数相等。