极差分析法简单明了,通俗易懂,计算工作量少便于推广普及。但这种方法也有缺陷,具体如下所述。
(1)利用空列的R值作为判断各因素和交互作用的误差界限,不够精确。而对于那些没有空列的设计,就无法判断其误差的大小。
(2)此外,各因素对试验结果的影响大小无法给以精确的数量估计,不能提出一个标准来判断所考察因素对指标影响是否显著。为了弥补极差分析的缺陷,可采用方差分析。
正交试验的正交分析一般包括下面几部分内容。
(1)判断哪些因素对指标的影响是显著的,哪些是不显著的。
(2)找出参数水平的较优组合。
(3)较优组合方案指标的预测。
一、方差分析的基本步骤与格式
用正交表Ln(rm)来安排试验,则总的试验次数为n,每个因素的水平数为r,正交表的列数为m,试验结果为xi(i=1,2,…,n)。
1.计算离差平方和
(1)总离差平方和
式中
(2)各因素引起的离差平方和 第j列所引起的离差平方和
因此
(3)交互作用的离差平方和 若交互作用只占有一列,则其离差平方和就等于所在列的离差平方和SSj,若交互作用占有多列,则其离差平方和等于所占多列离差平方和之和,如A×B的交互作用有两列,则
(4)试验误差的离差平方和 方差分析时,在进行表头设计时一般要求留有空列,即误差列,误差的离差平方和为所有空列所对应离差平方和之和即
2.计算自由度
(1)总自由度dfT=n-1。
(2)任一列离差平方和对应的自由度dfj=r-1。
(3)交互作用的自由度(以A×B为例):
dfA ×B=dfA×dfBdfA ×B=(r-1)dfj
若r=2,dfA ×B=dfj
若r=3,dfA ×B=2dfj=dfA+dfB
(4)误差的自由度dfe=空白列自由度之和。
3.计算均方
将各离差平方和分别除以各自相应的自由度,即得到均方
4.计算F值
各均方除以误差的均方得到F值,例如
5.显著性检验
例如:若FA>Fα(dfA,dfe),则因素A对试验结果有显著影响。
若FA×B>Fα(dfA×B,dfe),则交互作用A×B对试验结果有显著影响。
6.列方差分析表
经上述计算后,列出方差分析表,如表8-25所示。(www.xing528.com)
表8-25 方差分析表
7.选取较优组合
根据kj找出较优水平,根据F确定因素主次,确定交互作用的优搭配。
显著因素选较优水平,显著交互选较优搭配,若有矛盾且交互作用比单一因素显著,则以优搭配为主。
不显著因素若无显著的交互作用,则选合适水平,在以后的研究中作固定参数。
不显著交互作用忽略。
确定较优组合:显著因素选较优水平,不显著因素选合适水平。
二、应用实例
【例8-6】某一种抗生素的发酵培养基由A、B、C,三种成分组成,各有两个水平,除考查A、B、C三个因素的主效因外,还考查A与B、B与C的交互作用。试安排一个正交试验方案并进行结果分析。
本试验目的为探究影响抗生素发酵培养基的因素,试验指标为发酵培养基产量,根据题意因素水平,如表8-26所示。
表8-26 【例8-6】的因素水平表
试验除考查A、B、C三个因素的主效因外,还考查A×B、B×C的交互作用,因此,试验选用L8(27)正交表。试验结果和极差分析,如表8-27所示。
表8-27 【例8-6】的正交试验极差分析结果
续表
试验结果分析:
(1)计算各项平方和
(2)计算自由度
总自由度 dfT=n-1=8-1=7
各因素自由度 dfA=dfB=dfC=2-1=1
交互作用自由度 dfA×B=dfB×C=(2-1)×(2-1)=1
误差自由度 dfe=dfT-dfA-dfC-dfA×B-dfB×C=7-1-1-1-1-1=2
(3)列出方差统计表,进行F检验。方差分析结果如表8-28所示。
表8-28 【例8-5】的方差分析表
F检验结果表明:A因素和交互作用A×B显著,B、C因素及B×C交互作用不显著。
(4)优方案的确定 因交互作用A×B显著,确定A、B的水平应该按因素A、B各水平搭配好坏来确定,以选出A与B的最优水平组合。
计算出A与B各水平组合的平均数:
A1 B 1水平组合的平均数=(55 +38)/2=46.50。
A1 B 2水平组合的平均数=(97+89)/2=93.00。
A2 B 1水平组合的平均数=(122+124)/2=123.00。
A2 B 2水平组合的平均数=(79+61)/2=70.00。
四个值中,123.00最大,所以取123.00对应的组合A2B1为最优组合,C因素取有水平C1,因此本实验的较优搭配为A2B1C1。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。