正交试验分析
正交试验的方差分析法
C×D
B×D A×D
A
B A×B C A×C D A×D
C×D
B×D
B×C
A
B A×B C A×C D
E
D×E C×D C×E B×D B×E A×E A×B
B×C
(四) 列出试验方案
把正交表中安排原因旳各列(不包括欲考 察旳交互作用列)中旳每个数字依次换成该原 因旳实际水平，就得到一种正交试验方案。
上一张 下一张 主 页 退 出
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)旳第1、 2、3列上，第4 列 为空列，见表2-4。
表11-4 表头设计
列号 1 2 3 4 因素 A B C 空
原因 数 2 3
4
L9（34）表头设计
列
号
1
2
3
4
A A B×C1
C 3 1(3) 2(5) 3(8) 2(5) 3(8) 1(3) 3(8) 1(3) 2(5)
上一张 下一张 主 页 退 出
第二节 正交试验资料旳方差分析
若各号试验处理都只有一种观察值，则称 之为单个观察值正交试验；
若各号试验处理都有两个或两个以上观察 值，则称之为有反复观察值正交试验。
上一张 下一张 主 页 退 出
A原因是氮肥施用量，设A1、A2、A3 3个水平 ； B原因是磷肥施用量，设B1、B2、B3 3个水平 ； C原因是钾肥施用量，设C1、C2、C3 3个水平。 这是一种3原因每个原因3水平旳试验 ，各原因旳 水平之间全部可能旳组合有27种。
上一张 下一张 主 页 退 出
假如进行全方面试验 ，能够分析各原因 旳效应 ，交互作用，也可选出最优水平组合。
正交实验实验结果解读
正交实验实验结果解读
正交实验设计是一种高效率的试验设计方法，它通过合理安排多因素试验，寻求最优水平组合。
解读正交实验结果主要涉及以下几个步骤：
1.观察每组试验的观测结果或数据，了解各个因素在不同水平下的变化情况。
2.计算每个因素的极差，即同一因素在不同水平下的最大值与最小值之差。
极差分析是一种直观式分析方法，通过比较各因素的极差大小，可以初步判断因素对试验目标的影响程度。
3.根据试验结果和极差分析，找出理论上的最优方案。
这个方案通常是最有利于考察的目标值的方案。
4.对理论上的最优方案进行验证分析，确保其在实际应用中的可行性。
验证分析可以通过实际试验、模拟仿真等方法进行。
在解读正交实验结果时，还需要注意以下几点：
1.正交表的设计是关键。
在设计正交表时，需要选择合适的因素和水平数，并确保试验次数合理。
2.极差分析是一种初步分析方法，其结果可以作为优化方案的参考，但不一定是最优解。
因此，在实际应用中，还需要结合其他分析方法（如方差分析、回归分析等）进行综合评估。
3.正交实验的结果受到试验条件、操作误差等多种因素的影响，因此在实际应用中，需要对试验过程进行严格控制和记录，以确保结果的准确性和可靠性。
总之，正交实验设计是一种有效的多因素试验设计方法，通过合理的试验安排和结果分析，可以找出最优方案并评估其在实际应用中的可行性。
在解读正交实验结果时，需要综合考虑多种因素和分析方法，以确保结果的准确性和可靠性。
正交实验结果如何进行数据分析
正交实验结果如何进行数据分析正交实验是一种多因素试验设计方法，通过对不同因素的组合进行系统的排列和组织，能够较好地解析各个因素对试验结果的影响。
进行数据分析时，一般可以采用以下步骤：1.数据预处理：首先，需要对实验数据进行预处理，包括数据清洗、异常值处理、数据转换等。
这是为了确保数据的可靠性和可用性，避免因数据错误或异常值导致的分析误差。
2.方差分析：正交实验可以通过方差分析来分解总方差，确定各个因素和交互作用对实验结果的贡献程度。
在进行方差分析时，可以首先进行方差齐性检验，判断各个因素的方差是否相等。
接着，进行单因素方差分析，确定各个因素对实验结果的影响；然后，进行多因素方差分析，确定各个因素之间的交互作用对实验结果的贡献。
3.效应量分析：通过计算效应量，可以客观地评估各个因素和交互作用的大小，了解它们对实验结果的实际影响程度。
效应量可以用来比较不同因素之间的相对重要性，并为进一步优化实验提供依据。
4.建立模型：正交实验的数据分析过程还可以通过建立数学模型来实现。
建立模型可以帮助我们更好地理解和解释实验结果，确定各个因素和交互作用的数学表达式。
常见的建模方法包括线性回归、多项式回归等。
建立模型后，可以通过拟合度评估模型的拟合效果，并进行参数估计，确定因素对实验结果的具体影响程度。
5.优化设计：根据数据分析的结果，确定重要因素和交互作用，并进行优化设计。
通过调整因素水平和组合，可以进一步优化实验结果，提高实验产品的性能和质量。
通过正交实验的数据分析过程，可以降低实验成本和周期，并在有限的试验条件下获取更多的实验信息。
需要注意的是，在进行正交实验数据分析时，应当充分考虑实验设计的合理性和实验条件的可控性。
同时，还需要进行统计检验，判断各个因素和交互作用的显著性，确保数据分析的可信度和准确性。
总而言之，正交实验的数据分析是一个较为复杂和系统的过程，需要综合运用统计学和数据分析的方法。
通过合理的数据分析方法，可以更好地理解和掌握实验结果，为进一步优化产品或工艺提供科学依据。
正交试验设计和分析方法研究
正交试验设计和分析方法研究一、本文概述正交试验设计是一种高效、系统的试验设计方法，广泛应用于科学研究、工程实践以及社会调查等领域。
通过正交表的正交性、均匀分散性和整齐可比性，正交试验设计能够在众多试验因素中快速找出关键因素，优化试验方案，提高试验效率。
本文旨在深入研究正交试验设计的理论基础，探讨其在实际应用中的优化策略，分析正交试验设计的优缺点，并展望其未来发展趋势。
本文首先介绍正交试验设计的基本原理和常用正交表，然后详细阐述正交试验设计的步骤和方法，接着通过案例分析展示正交试验设计在不同领域的应用实践，最后对正交试验设计的未来发展进行展望，以期为相关领域的研究和实践提供有益的参考和借鉴。
二、正交试验设计基本原理正交试验设计是一种高效、系统的试验设计方法，其核心在于利用正交表来安排试验，通过对试验因素与水平进行全面、均匀的搭配，从而找出最佳的试验方案。
正交试验设计的基本原理主要包括以下几点：正交性原理：正交表具有正交性，即表中的每一行（或列）所代表的因素水平组合都是唯一的，且在整个表中均匀分布。
这种正交性保证了试验点在试验范围内均匀分布，从而能够全面反映试验因素与水平的变化情况。
代表性原理：正交表中的每一行都代表一组试验因素与水平的组合，这些组合在试验范围内具有代表性。
通过选择适当的正交表，可以在较少的试验次数下获得较为全面的试验结果。
综合可比性原理：正交表中的每一列都对应一个试验因素，不同列之间的因素是相互独立的。
这意味着每个因素在不同水平下的效果可以单独进行分析和比较，从而便于找出影响试验结果的主要因素及其最佳水平。
分析简便性原理：正交试验设计的结果分析简便易行，可以通过直观分析或方差分析等方法快速得出结论。
直观分析法可以直接从正交表中观察出各因素在不同水平下的效果，而方差分析法则可以进一步检验各因素对试验结果的影响程度。
正交试验设计通过合理利用正交表的性质，实现了试验的高效、系统和全面。
在实际应用中，只需根据试验需求选择合适的正交表，按照表中的安排进行试验，并对试验结果进行简便的分析，即可得出较为准确的结论。
正交试验设计及结果分析
2.1 试验方案设计 （1） 明确试验目的，确定试验指标
试验设计前必须明确试验目的，即本次试验要解决什么 问题。试验目的确定后，对试验结果如何衡量，即需要确 定出试验指标。试验指标可为定量指标，也可为定性指标。
3
上一张 下一张 主 页
1.3.2.3 综合可比性 （1）任一列的各水平出现的次数相等； （2）任两列间所有水平组合出现次数相等，使得任一因素
各水平的试验条件相同。这就保证了在每列因素各水平的效 果中，最大限度地排除了其他因素的干扰。从而可以综合比 较该因素不同水平对试验指标的影响情况。
根据以上特性，我们用正交表安排的试验，具有均衡分 散和整齐可比的特点。
3
上一张 下一张 主 页
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 平间具有综合可比性。同样，B、C因素3个水平间亦具有 综合可比性。
3
上一张 下一张 主 页 退 出
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
能反映试验方案包含27个水平组合的全面试验的情况，找 出最佳的生产条件。
1.2 正交试验设计的基本原理
3
上一张 下一张 主 页
正交设计就是从选优区全面试验点（水平组合）中挑3ຫໍສະໝຸດ 上一张 下一张 主 页 退 出
1 正交试验设计的概念及原理
正交试验设计及其结果的直观分析(单指标 双指标)
综合平衡法
综合平衡法是，先对每个指标分别进行单指标的直观分析，得到 每个指标的影响因素主次顺序和最佳水平组合，然后根据理论知 识和实际经验，对各指标的分析结果进行综合比较和分析，得出 较优方案。
例 在用乙醇溶液提取葛根中有效成分的试验中，为了提高葛根 中有效成分的提取率，对提取工艺进行优化试验，需要考察三向 指标：提取物得率（为提取物质量与葛根质量之比）、提取物中 葛根总黄酮含量、总黄酮中葛根素含量，三个指标都是越大越好， 根据前期探索性试验，决定选取3个相对重要的因素：乙醇浓度、 液固比（乙醇溶液与葛根质量之比）和提取剂回流次数进行正交 试验，它们各有3个水平，具体数据如表6-9所示，不考虑因素间 的交互作用，是进行分析，找出较好的提取工艺条件。
综合评分法
综合评分法是根据各个指标的重要程度，对得出的实验结果进行分 析，给每一个实验评出一个分数，作为这个实验的总指标，然后根 据这个总指标（分数），利用单指标试验结果的直观分析法作进一 步的分析，确定较好的实验方案，显然，这个方法的关键是如何评 分，下面介绍几种评分方法：
1.对每好实验结果的各个指标统一权衡，综合评价，直接给出每一号 试验结果的综合分数（依靠试验者或专家的理论知识和实践经验）
度
隶属度
1
1 1 1 1 2.96 65.70
1.00
1
1.00
2
1 2 2 2 2.18 40.36
0
0
0
3
1 3 3 3 2.45 54.31
0.35
0.55 0.47
4
2 1 2 3 2.70 41,09
0.67
0.03 0.29
5
2 2 3 1 2.49 56.29
正交实验设计及结果分析报告
正交实验设计及结果分析报告（二）引言概述：正交实验设计是一种重要的统计方法，用于系统地研究多个因素对实验结果的影响。
本报告旨在继续探讨正交实验设计，并通过对结果的分析来进一步验证实验设计的有效性和可行性。
本报告将分为五个大点进行阐述，包括实验设计的优势、正交设计的基本原理、正交设计中的参数设定、模型建立与分析、以及结果的解释与验证。
正文内容：1.实验设计的优势1.1提高实验效率：正交实验设计可以将多个因素同时考虑，并将因素的组合设计为试验方案，从而减少试验次数，提高实验效率。
1.2确定关键因素：正交实验设计通过系统地考虑多个因素及其组合方式，可以帮助研究人员确定对实验结果最为关键的因素。
1.3提高可靠性：正交实验设计具有统计学严谨的基础，能够提高实验结果的可靠性和可重复性。
2.正交设计的基本原理2.1正交表的构造：正交表是正交实验设计的基础工具，通过构造正交表，可以实现各个因素水平的均衡分布，从而减少误差的影响。
2.2剔除交互作用：正交设计通过设置正交表中的交互作用项为0，将多个因素的相互作用剔除，使得试验结果更加直接和可解释。
2.3方差分析原理：正交设计采用方差分析方法对结果进行分析，通过检验因素的显著性和误差的可接受程度，得出结果是否具有统计学意义。
3.正交设计中的参数设定3.1因素的选择：根据实验目的和已知因素，选择对结果影响较大的因素作为试验因素，并确定其水平个数。
3.2正交表的选择：根据因素的个数和水平个数，选择合适的正交表进行试验设计，确保每个水平均匀分布。
3.3重复次数的确定：根据实验结果的稳定性和误差容忍度，确定试验的重复次数，以提高结果的可靠性。
4.模型建立与分析4.1建立线性模型：根据试验数据，建立线性回归模型，将各个因素的水平值与结果进行关联，用于后续的参数估计和显著性检验。
4.2参数估计与显著性检验：通过最小二乘法估计模型参数，并进行显著性检验，判断因素是否对结果产生显著影响。
正交试验设计分析
正交试验设计分析正交试验设计分析_________________________正交试验设计分析是研究不同变量之间相互关系的一种有效研究方法，它可以准确地表征出不同变量之间的关系。
正交试验设计分析是一种多变量实验设计，它可以有效地控制不同变量之间的关系，并且它可以有效地控制因果关系的影响。
## 一、正交试验设计的概念正交试验设计是一种多变量实验设计，它可以准确地表征出不同变量之间的关系。
正交试验的设计是将多个变量按一定顺序组合，以便能够准确地表征出不同变量之间的关系。
正交试验设计是一种多变量实验设计，它利用正交表（即正交因子表）来进行实验，以期得到准确的实验数据。
正交试验设计是一种有效的研究方法，它可以控制不同变量之间的关系，准确地表征出不同变量之间的关系。
## 二、正交试验设计的优势正交试验设计具有以下优势：1. 正交试验设计可以有效地控制不同变量之间的关系，准确地表征出不同变量之间的关系。
2. 正交试验设计可以有效地控制实验条件，以期得到准确的实验数据。
3. 正交试验设计可以使用少量实验条件，并且能够快速地得到准确的实验数据。
4. 正交试验设计可以控制实验参数，以期得到准确的实验数据。
5. 正交试验设计可以有效地测量不同变量之间的关系，以期得到准确的实验数据。
## 三、正交试验设计的应用正交试验设计在实际应用中广泛应用于不同领域：1. 正交试验设计应用于农业生物学中，可以用来研究不同培养基对微生物生长和发酵的影响。
2. 正交试验设计应用于农业化学中，可以用来研究不同化学物质对农作物生长的影响。
3. 正交试验设计应用于材料学中，可以用来研究不同材料性能的影响。
4. 正交试验设计应用于心理学中，可以用来研究不同心理因素对人格特征的影响。
5. 正交试验设计应用于市场营销中，可以用来研究不同广告渠道对市场影响的影响。
## 四、正交试验设计的注意事项1. 正交试验设计要求有一个明确的目标：要测量不同变量之间的关系。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
1．正交试验设计法的基本思想正交试验设计法，就是使用已经造好了的表格--正交表--来安排试验并进行数据分析的一种方法。
它简单易行，计算表格化，使用者能够迅速掌握。
下边通过一个例子来说明正交试验设计法的基本想法。
[例1]为提高某化工产品的转化率，选择了三个有关因素进行条件试验，反应温度(A)，反应时间(B)，用碱量(C)，并确定了它们的试验范围：A：80-90℃B：90-150分钟C：5-7％试验目的是搞清楚因子A、B、C对转化率有什么影响，哪些是主要的，哪些是次要的，从而确定最适生产条件，即温度、时间及用碱量各为多少才能使转化率高。
试制定试验方案。
这里，对因子A，在试验范围内选了三个水平；因子B和C也都取三个水平：A：Al＝80℃，A2＝85℃，A3=90℃B：Bl＝90分，B2＝120分，B3=150分C：Cl＝5％，C2＝6%，C3＝7%当然，在正交试验设计中，因子可以是定量的，也可以是定性的。
而定量因子各水平间的距离可以相等，也可以不相等。
这个三因子三水平的条件试验，通常有两种试验进行方法：(Ⅰ)取三因子所有水平之间的组合，即AlBlC1，A1BlC2，A1B2C1，……，A3B3C3，共有33=27次试验。
用图表示就是图1 立方体的27个节点。
这种试验法叫做全面试验法。
全面试验对各因子与指标间的关系剖析得比较清楚。
但试验次数太多。
特别是当因子数目多，每个因子的水平数目也多时。
试验量大得惊人。
如选六个因子，每个因子取五个水平时，如欲做全面试验，则需56＝15625次试验，这实际上是不可能实现的。
如果应用正交实验法，只做25次试验就行了。
而且在某种意义上讲，这25次试验代表了15625次试验。
图1 全面试验法取点(Ⅱ)简单对比法，即变化一个因素而固定其他因素，如首先固定B、C于Bl、Cl，使A变化之：↗A1B1C1 →A2↘A3 (好结果)如得出结果A3最好，则固定A于A3，C还是Cl，使B变化之：↗B1A3C1 →B2 (好结果)↘B3得出结果以B2为最好，则固定B于B2，A于A3，使C变化之：↗C1A3B2→C2 (好结果)↘C3试验结果以C2最好。
于是就认为最好的工艺条件是A3B2C2。
这种方法一般也有一定的效果，但缺点很多。
首先这种方法的选点代表性很差，如按上述方法进行试验，试验点完全分布在一个角上，而在一个很大的范围内没有选点。
因此这种试验方法不全面，所选的工艺条件A3B2C2不一定是27个组合中最好的。
其次，用这种方法比较条件好坏时，是把单个的试验数据拿来，进行数值上的简单比较，而试验数据中必然要包含着误差成分，所以单个数据的简单比较不能剔除误差的干扰，必然造成结论的不稳定。
简单对比法的最大优点就是试验次数少，例如六因子五水平试验，在不重复时，只用5+(6-1)×(5-1)＝5+5×4＝25次试验就可以了。
考虑兼顾这两种试验方法的优点，从全面试验的点中选择具有典型性、代表性的点，使试验点在试验范围内分布得很均匀，能反映全面情况。
但我们又希望试验点尽量地少，为此还要具体考虑一些问题。
如上例，对应于A有Al、A2、A3三个平面，对应于B、C也各有三个平面，共九个平面。
则这九个平面上的试验点都应当一样多，即对每个因子的每个水平都要同等看待。
具体来说，每个平面上都有三行、三列，要求在每行、每列上的点一样多。
这样，作出如图2所示的设计，试验点用⊙表示。
我们看到，在9个平面中每个平面上都恰好有三个点而每个平面的每行每列都有一个点，而且只有一个点，总共九个点。
这样的试验方案，试验点的分布很均匀，试验次数不多。
当因子数和水平数都不太大时，尚可通过作图的办法来选择分布很均匀的试验点。
但是因子数和水平数多了，作图的方法就不行了。
试验工作者在长期的工作中总结出一套办法，创造出所谓的正交表。
按照正交表来安排试验，既能使试验点分布得很均匀，又能减少试验次数，而且计算分析简单，能够清晰地阐明试验条件与指标之间的关系。
用正交表来安排试验及分析试验结果，这种方法叫正交试验设计法。
图2正交试验设计图例2．正交表本书附录给出了常用的正交表。
为了叙述方便，用L代表正交表，常用的有L8(27)，L9(34)，L16(45)，L8(4×24)，L12(211)，等等。
此符号各数字的意义如下：L8(27)7为此表列的数目（最多可安排的因子数）2为因子的水平数8为此表行的数目（试验次数）L18(2×37)有7列是3水平的有1列是2水平的L18(2×37)的数字告诉我们，用它来安排试验，做18个试验最多可以考察一个2水平因子和7个3水平因子。
在行数为mn型的正交表中(m，n是正整数)，试验次数(行数)＝Σ(每列水平数一1)+l (1)如L8(27)，8＝7×(2-1)+l利用上述关系式可以从所要考察的因子水平数来决定最低的试验次数，进而选择合适的正交表。
比如要考察五个3水平因子及一个2水平因子，则起码的试验次数为5×(3-1)+1×(2-1)+1＝12（次）这就是说，要在行数不小于12，既有2水平列又有3水平列的正交表中选择，L18(2×37)适合。
正交表具有两条性质：(1)每一列中各数字出现的次数都一样多。
(2)任何两列所构成的各有序数对出现的次数都一样多。
所以称之谓正交表。
例如在L9(34)中(见表1)，各列中的l、2、3都各自出现3次；任何两列，例如第3、4列，所构成的有序数对从上向下共有九种，既没有重复也没有遗漏。
其他任何两列所构成的有序数对也是这九种各出现一次。
这反映了试验点分布的均匀性。
3．试验方案的设计安排试验时，只要把所考察的每一个因子任意地对应于正交表的一列(一个因子对应一列，不能让两个因子对应同一列)，然后把每列的数字"翻译"成所对应因子的水平。
这样，每一行的各水平组合就构成了一个试验条件(不考虑没安排因子的列)。
对于[例1]，因子A、B、C都是三水平的，试验次数要不少于3×(3-1)+1＝7(次)可考虑选用L9(34)。
因子A、B、C可任意地对应于L9(34)的某三列，例如A、B、C分别放在l、2、3列，然后试验按行进行，顺序不限，每一行中各因素的水平组合就是每一次的试验条件，从上到下就是这个正交试验的方案，见表2。
这个试验方案的几何解释正好是图2。
三个3水平的因子，做全面试验需要33＝27次试验，现用L9(34)来设计试验方案，只要做9次，工作量减少了2／3，而在一定意义上代表了27次试验.。
再看一个用L9(34)安排四个3水平因子的例子。
[例2]某矿物气体还原试验中，要考虑还原时间(A)、还原温度(B)、还原气体比例(D)、气体流速(C)这四个因子对全铁合量X〔越高越好)、金属化率Y(越高超好)、二氧化钛含量Z(越低越好)这三项指标的影响。
希望通过试验找出主要影响因素，确定最适工艺条件。
首先根据专业知以确定各因子的水平：时间：A1＝3(小时)，A2＝4(小时)，A3＝5(小时)温度：B1＝1000(℃)，B2＝1100(℃)，B3＝1200(℃)流速：Cl＝600(毫升／分)，C2＝400(毫升／分)，C3＝800(毫升／分)CO:H2：D1＝1:2，D2＝2:1，D3＝1:1这是四因子3水平的多指标(X、Y、Z)问题，如果做全面试验需34＝81次试验，而用L9(34)来做只要9次。
具体安排如表3。
同全面试验比较，工作量少了8／9。
由于缩短了试验周期，可以提高试验精度，时间越长误差于扰越大。
并且对于多指标问题，采用简单对比法，往往顾此失彼，最适工艺条件很难找；而应用正交表来设计试验时可对各指标通盘考虑，结论明确可靠。
4．试验数据的直观分析正交表的另一个好处是简化了试验数据的计算分折。
还是以[例1]为例来说明。
按照表2的试验方案进行试验，测得9个转化率数据，见表4。
通过9次试验，我们可以得两类收获。
第一类收获是拿到手的结果。
第9号试验的转化率为64，在所做过的试验中最好，可取用之。
因为通过L9(34)已经把试验条件均衡地打散到不同的部位，代表性是好的。
假如没有漏掉另外的重要因素，选用的水平变化范围也合适的话，那么，这9次试验中最好的结果在全体可能的结果中也应该是相当好的了，所以不要轻易放过。
第二类收获是认识和展望。
9次试验在全体可能的条件中(远不止33＝27个组合，在试验范围内还可以取更多的水平组合)只是一小部分，所以还可能扩大。
精益求精。
寻求更好的条件。
利用正交表的计算分折，分辨出主次因素，预测更好的水平组合，为进一步的试验提供有份量的依据。
其中I、Ⅱ、Ⅲ分别为各对应列（因子）上1、2、3水平效应的估计值，其计算式是：Ⅰi(Ⅱi,Ⅲi)=第i列上对应水平1（2，3）的数据和K1 为1水平数据的综合平均=Ⅰ/水平1的重复次数Si为变动平方和=[例1]的转化率试验数据与计算分析见表4。
先考虑温度对转比率的影响。
但单个拿出不同温度的数据是不能比较的，因为造成数据差异的原因除温度外还有其他因素。
但从整体上看，80℃时三种反应时间和三种用碱量全遇到了，86℃时、90℃时也是如此。
这样，对于每种温度下的三个数据的综合数来说，反应时间与加碱量处于完全平等状态，这时温度就具有可比性。
所以算得三个温度下三次试验的转化率之和：80℃：ⅠA＝xl+x2+x3＝31+54+38＝123；85℃：ⅡA＝x4+x5+x6＝53+49+42＝144；90℃：ⅢA＝x7+x8+x9＝57+62+64＝183。
分别填在A列下的Ⅰ、Ⅱ、Ⅲ三行。
再分别除以3，表示80℃、85℃、90℃时综合平均意义下的转化率，填入下三行Kl、K2、K3。
R行称为极差，表明因子对结果的影响幅度。
同样地，为了比较反应时间；用碱量对转化率的影响，也先算出同一水平下的数据和IB、ⅡB、ⅢB，Ic、Ⅱc、Ⅲc，再计算其平均值和极差。
都填入表4中；由此分别得出结论：温度越高转化率越好，以90℃为最好，但可以进一步探索温度更好的情况。
反应时间以120分转化率最高。
用碱量以6％转化率最高。
所以最适水平是A3B2C2。
5.正交试验的方差分析(一)假设检验在数理统计中假设检验的思想方法是：提出一个假设，把它与数据进行对照，判断是否舍弃它。
其判断步骤如下：(1)设假设H。
正确，可导出一个理论结论，设此结论为R。
；(2)再根据试验得出一个试验结论，与理论结论相对应，设为R1；(3)比较R。
与Rl，若R。
与Rl没有大的差异，则没有理由怀疑H。
，从而判定为："不舍弃H。
"(采用H。
)；若R。
与R1有较大差异，则可以怀疑H。
，此时判定为："舍弃H。
"。
但是，R1／R。