因素实验设计
三因素实验设计
对三因素重复测量实验设计进行数据处理
一、三因素完全随机实验设计数据处理
过程：
1、打开SPSS软件，点击Data View ，进入数据输入窗口，将原始数据输入SPSS 表格区域；
2、在菜单栏中选择分析→一般线性模型→单变量；
3、因变量Dependent Variable方框中放入记忆成绩（JY），固定变量（Fixed Factor(s)）方框中，放入自变量记忆策略、有无干扰和材料类型；
4、点击选项（Options）按钮，选择Descriptive statistics，对数据进行描述性统计；选择Homogeneity tests，进行方差齐性检验；
5.结果分析：
描述性统计量
因变量:记忆成绩
记忆策略有无干扰材料类型均值标准偏差N
联想策略d
i
m
e
n
s
i
o
n
2无干扰实物图片5图形图片5
总计10有干扰实物图片5图形图片.894435
总计10总计实物图片10图形图片10
总计20
复述策略d
i
m
e
n
s
i
o
n
2无干扰实物图片5图形图片5
总计10有干扰实物图片5图形图片.836665
总计10总计实物图片10图形图片10
总计20
总计d
i
m
e
n 无干扰实物图片10图形图片10
总计20有干扰实物图片10图形图片10
s i o n 2
总计20总计实物图片20图形图片20
总计40
被试间变量效应检验结果：A、B、C的主效应均极显着（P<）；AB 交互效应显着；
AC 交互效应极显着；BC 交互效应不显着；ABC 交互效应极显着。对于二阶与三
阶交互效应显着的，还需进行简单效应与简单简单效应检验。
主体间效应的检验
因变量:记忆成绩
源
III 型平方和df均方F Sig.
校正模型7.000截距1.000 A1.000 B1.000 C1.001 A * B1.037
A * C1.007
B * C1.146 A * B * C1.002误差32
总计40
校正的总计39
主体间效应的检验
因变量:记忆成绩
源
III 型平方和df均方F Sig.
校正模型7.000截距1.000 A1.000 B1.000 C1.001 A * B1.037
A * C1.007
B * C1.146 A * B * C1.002误差32
总计40
校正的总计39
a. R 方 = .852（调整 R 方 = .819）
简单效应检验：
在主对话框中，单击Paste按钮，SPSS会把原先的全部操作转换成语句并粘
贴到新打开的程序语句窗口中，在命令语句中加入EMMEANS引导的语句；
结果：当被试使用联想策略进行记忆时，无干扰条件的记忆成绩极显着优于有干扰条件的记忆成绩；当被试使用复述策略进行记忆时，无干扰条件的记忆成绩也极显着优于有干扰条件的记忆成绩。当被试使用联想策略进行记忆时，实物图片的记忆成绩极显着优于图形图片的记忆成绩；当被试使用复述策略进行记忆时，实物图片与图形图片的记忆成绩无显着差异。
简单简单效应检验：
结果：所以a,b,c有显着差异。
二、重复测量一个因素的三因素混合实验设计数据处理
过程：
1.Data View ，进入数据输入窗口，将原始数据输入SPSS表格区域
2.Analyze → General Linear Model → Repeated Measures（在菜单栏中选择分析→一般线性模型→重复变量）
3.在定义被试内变量（Within-Subject Factor Name）的方框中，设置被试内变量标记类型，在定义其水平（Number of Level）的对框中，输入3，表示有两个水平，然后按填加（Add）钮。
4.按定义键（Define），返回重复测量主对话框，将b1、b2、b3选入被试内变量（Winthin-Subjects Variables）方框中，将a、c选入被试间变量框中。
5.点击选项Options，进行如下操作：
①将被试内变量b（三个水平）键入到右边的方框中，采用[LSD（none）]法进行多重比较，
②选择Descriptive statistics命令，对数据进行描述性统计。
选择Homogeneity tests进行方差齐性检验。
6.单击continue选项，返回主对话框，点击OK，执行程序。
7.结果：一元方差分析：标记类型主效应显着，F=，P=；句长类型主效应检验，因其满足球形假设，故参见每项检验的第一行SphericityAssumed的结果，即，F=，P=.000，表明b变量主效应极其显着；a与b的交互效应检验。因其满足球形假设，故参见标准一元方差分析的结果，即F=，P=.001，表明a与b的交互效应极显着。
多重比较：长句与中句之间差异极其显着（P=）；长句与短句之间差异极其显着（P=）；中句与短句之间差异也极其显着（P=）。
描述性统计量
有无干扰显示时间均值标准偏差N
实物图片
d
i
m
e
n
s
i
o
n
1无干扰di
me
ns
io
n2
30秒.957434
15秒4
总计8
有干扰di
me
ns
io
n2
30秒.957434
15秒4
总计8
总计di
me
ns
io
n2
30秒8
15秒8
总计16
数字图片
d
i
m
e
n
s
i
o
n
1无干扰di
me
ns
io
n2
30秒4
15秒4
总计8
有干扰di
me
ns
io
n2
30秒4
15秒4
总计8总计di30秒8
me ns io n215秒8总计16
符号图片
d
i
m
e
n
s
i
o
n
1无干扰di
me
ns
io
n2
30秒.816504
15秒4
总计8
有干扰di
me
ns
io
n2
30秒.957434
15秒.957434
总计8
总计di
me
ns
io
n2
30秒.834528
15秒8
总计16协方差矩阵等同性的 Box 检验a
Box 的 M
F.749 df118 df2
Sig..760检验零假设，即观测到的因变量的协方差矩阵在所有组中均相等。
a. 设计 : 截距 + a + c + a * c
主体内设计: b
多变量检验b
效应值F假设 df误差 df Sig.
b Pillai 的跟踪.803.000
Wilks 的
Lambda
.197.000
Hotelling 的跟
踪
.000
Roy 的最大根.000 b * a Pillai 的跟踪.822.000
c Greenhouse-Geis
ser
.000 Huynh-Feldt.000
下限.001
误差(b)采用的球形度24 Greenhouse-Geis
ser
Huynh-Feldt
下限
简单效应检验：
结果：无标记的情况下，各句子类型之间不存在显着性差异，F＝，P=；有标记的情况下，各句子类型之间存在极显着性差异，F＝，P=。
三、重复测量两个因素的三因素混合实验设计数据处理
过程：
1.打开SPSS软件，点击Data View数据视图，进入数据输入窗口，将原始数据输入SPSS表格区域；
2.在菜单栏中选择分析→一般线性模型→重复度量；
3.分别定义两个被试内变量名及其水平数，点击“定义”；
4、将b1c1、b1c2、b2c1、b2c2、b3c1、b3c2选入被试内变量（Winthin-Subjects Variables）方框中，将a选入被试间变量框中；
5、点击选项Options，然后将被试内变量b（三个水平）键入到右边的方框中，采用LSD（none）法进行多重比较，并选择描述统计和方差齐性检验，点击继续，再点击确定输出结果；
6.结果：
描述性统计结果：
描述性统计量
有无干扰
均值标准偏差N
b1c1d
i
m
e
n
s
i
o
n
1无干扰.925828有干扰.834528总计16
b1c2d
i
m 无干扰8有干扰8
n
s
i
o
n
1
Box’s方差齐性结果：P=>，所以各组数据方差齐性。
协方差矩阵等同性的 Box 检验a
Box 的 M
F
df121 df2
Sig..395检验零假设，即观测到的因变量的协方差矩阵在所有组中均相等。
a. 设计 : 截距 + a
主体内设计: b + c + b * c
多变量检验：因为P=0<，所以B的主效应极显着；而且P=0<，BA的交互作用极显着；同理可知：C的主效应极显着，CA的交互效应不显着，BCA的三阶交互效
球形假设检验：被试内变量球形假设检验，由于c变量只有两个水平，所以不
a. 可用于调整显着性平均检验的自由度。在"主体内效应检验"表格中显示修正后的检验。
b. 设计 : 截距 + a
主体内设计: b + c + b * c
Levene’s方差齐性检验结果：因为P>，各组因变量方差齐性。
误差方差等同性的 Levene 检验a
F df1df2Sig.
b1c1.168114.688 b1c2.009114.926 b2c1.152114.702 b2c2.453114.512 b3c1.399114.538 b3c2.610114.448检验零假设，即在所有组中因变量的误差方差均相等。
a. 设计 : 截距 + a
主体内设计: b + c + b * c
被试间变量效应：因为P=0<，A的主效应极显着。
主体间效应的检验
度量:MEASURE_1
转换的变量:平均值
源
III 型平方和df均方F Sig.
截距1.000 a1.000误差14
b因素的多重比较结果：实物图片的记忆成绩显着优于数字图片和符号图片，数
成对比较度量:MEASURE_1
(I) b(J) b
均值差值
(I-J)标准误差差分的 95% 置信区间
a
下限上限
12.781*.163.000.431
3*.257.000
21*.163.000
3*.220.000
31*.257.000
2*.220.000
基于估算边际均值
*. 均值差值在 .05 级别上较显着。
a. 对多个比较的调整：最不显着差别（相当于未作调整）。
进行简单效应检验：
因为BA交互效应显着，需进行简单效应检验；
程序语句：
结果截图：
b*a描述性统计结果
b*a配对比较结果
进行简单简单效应检验：
BCA三阶交互效应显着，还需进行简单简单效应检验。
程序语句：
在a水平下b*c交互效应配对比结果
四、三因素重复测量实验设计数据处理
过程：
1.打开SPSS软件，点击Data View ，进入数据输入窗口，将原始数据输入SPSS 表格区域；
2.在菜单栏中选择分析→一般线性模型→重复变量；
实验报告 单因素方差分析
5.1、实验步骤： 1．建立数据文件。 定义2个变量：PWK和DCGJSL，分别表示排污口和大肠杆菌数量。 2. 选择菜单“分析→比较均值→单因素”,弹出“单因素方差分析”对话框。在对话 框左侧的变量列表中，选择变量“DCGJSL”进入“因变量”列表框，选择变量“PWK”进入“因子”列表框。
3．单击“确定”按钮，得到输出结果。 结果解读： 由以上结果可以看到，观测变量大肠杆菌数量的总离差平方和为460.438；如果仅考虑“排污口”单个因素的影响，则大肠杆菌数量总变差中，排污口可解释的变差为308.188，抽样误差引起的变差为152.250，它们的方差（平均变差）分别为102.729和12.688，相除所得的F统计量的观测值为8.097，对应的概率P值为0.003。在显著性水平α为0.05的情况下。由于概率P值小于显著性水平α，则应拒绝零假设，认为不同的排污口对大肠杆菌数量产生了显著影响，它对大肠杆菌数量的影响效应不全为0。 因此，可判断各个排污口的大肠杆菌数量是有差别的。 5.2、实验步骤： 1．建立数据文件。 定义2个变量：Branch和Turnover，分别表示分店和日营业额。将Branch的值定义为1=第一分店，2=第二分店，3=第三分店，4=第四分店，5=第五分店。 2. 选择菜单“分析→比较均值→单因素”,弹出“单因素方差分析”对话框。在对话 框左侧的变量列表中，选择变量“Turnover”进入“因变量”列表框，选择变量“Branch”进入“因子”列表框。
3．单击“确定”按钮，得到输出结果。
结果解读： 由以上结果可以看到，观测变量日营业额的总离差平方和为1187668.733；如果仅考虑“分店”单个因素的影响，则日营业额总变差中，分店可解释的变差为366120.900，抽样误差引起的变差为821547.833，它们的方差（平均变差）分别为91530.225和14937.233，相除所得的F统计量的观测值为6.128，对应的概率P值近似为0。在显著性水平α为0.05的情况下，由于概率P值小于显著性水平α，则应拒绝零假设，认为不同的分店对日营业额产生了显著影响，它对日营业额的影响效应不全为0。 因此，在α＝0.05的显著性水平下，“这五个分店的日营业额相同”这一假设不成立。 5.3、实验步骤： 1．建立数据文件。 定义3个变量：weight和method，分别表示幼苗干重（mg）和处理方式。将method 的值定义为1=HCI，2=丙酸，3=丁酸，4=对照。 2. 选择菜单“分析→比较均值→单因素”,弹出“单因素方差分析”对话框。在对话 框左侧的变量列表中，选择变量“，method”进入“因变量”列表框，选择变量“weight”进入“因子”列表框。在“两两比较”选项中选择LSD、Bonferroni 和Scheffe方法。
单因素实验设计报告
单因素实验设计报告 :因素实验报告设计单因素实验设计举例正交实验单因素实验设计方案篇一:实验报告单因素方差分析 5.1、实验步骤: 1(建立数据文件。 定义2个变量:PWK和DCGJSL，分别表示排污口和大肠杆菌数量。 2. 选择菜单“分析?比较均值?单因素”,弹出“单因素方差分析”对话框。在对话 框左侧的变量列表中，选择变量“DCGJSL”进入“因变量”列表框，选择变量“PWK”进入“因子”列表框。 3(单击“确定”按钮，得到输出结果。 结果解读: 由以上结果可以看到，观测变量大肠杆菌数量的总离差平方和为460.438;如果仅考虑“排污口”单个因素的影响，则大肠杆菌数量总变差中，排污口可解释的变差为308.188，抽样误差引起的变差为152.250，它们的方差(平均变差)分别为102.729和12.6 88，相除所得的F统计量的观测值为8.097，对应的概率P值为0.003。在显著性水平α为0.05的情况下。由于概率P值小于显著性水平α，则应拒绝零假设，认为不同的排污口对大肠杆菌数量产生了显著影响，它对大肠杆菌数量的影响效应不全为0。 因此，可判断各个排污口的大肠杆菌数量是有差别的。 5.2、实验步骤: 1(建立数据文件。 定义2个变量:Branch和Turnover，分别表示分店和日营业额。将Branch的值定义为1=第一分店，2=第二分店，3=第三分店，4=第四分店，5=第五分店。
2. 选择菜单“分析?比较均值?单因素”,弹出“单因素方差分析”对话框。在对话 框左侧的变量列表中，选择变量“Turnover”进入“因变量”列表框，选择变量“Branch”进入“因子”列表框。 3(单击“确定”按钮，得到输出结果。 结果解读: 由以上结果可以看到，观测变量日营业额的总离差平方和为1187668.733;如果仅考虑“分店”单个因素的影响，则日营业额总变差中，分店可解释的变差为366120.900，抽样误差引起的变差为821547.833，它们的方差(平均变差)分别为91530.225和14937.233，相除所得的F统计量的观测值为6.128，对应的概率P 值近似为0。在显著性水平α为0.05的情况下，由于概率P值小于显著性水平α，则应拒绝零假设，认为不同的分店对日营业额产生了显著影响，它对日营业额的影响效应不全为0。 因此，在α,0.05的显著性水平下，“这五个分店的日营业额相同”这一假设不成立。 5.3、实验步骤: 1(建立数据文件。 定义3个变量:weight和method，分别表示幼苗干重(mg)和处理方式。将method的值定义为1=HCI，2=丙酸，3=丁酸，4=对照。 2. 选择菜单“分析?比较均值?单因素”,弹出“单因素方差分析”对话框。在对话 框左侧的变量列表中，选择变量“，method”进入“因变量”列表框，选择变量“weight”进入“因子”列表框。在“两两比较”选项中选择LSD、Bonferroni和Scheffe方法。 3(单击“确定”按钮，得到输出结果。
因素实验设计
三因素实验设计 对三因素重复测量实验设计进行数据处理 一、三因素完全随机实验设计数据处理 过程： 1、打开SPSS软件，点击Data View ，进入数据输入窗口，将原始数据输入SPSS 表格区域； 2、在菜单栏中选择分析→一般线性模型→单变量； 3、因变量Dependent Variable方框中放入记忆成绩（JY），固定变量（Fixed Factor(s)）方框中，放入自变量记忆策略、有无干扰和材料类型； 4、点击选项（Options）按钮，选择Descriptive statistics，对数据进行描述性统计；选择Homogeneity tests，进行方差齐性检验； 5.结果分析： 描述性统计量 因变量:记忆成绩 记忆策略有无干扰材料类型均值标准偏差N 联想策略d i m e n s i o n 2无干扰实物图片5图形图片5 总计10有干扰实物图片5图形图片.894435 总计10总计实物图片10图形图片10 总计20 复述策略d i m e n s i o n 2无干扰实物图片5图形图片5 总计10有干扰实物图片5图形图片.836665 总计10总计实物图片10图形图片10 总计20 总计d i m e n 无干扰实物图片10图形图片10 总计20有干扰实物图片10图形图片10
s i o n 2 总计20总计实物图片20图形图片20 总计40 被试间变量效应检验结果：A、B、C的主效应均极显着（P<）；AB 交互效应显着； AC 交互效应极显着；BC 交互效应不显着；ABC 交互效应极显着。对于二阶与三 阶交互效应显着的，还需进行简单效应与简单简单效应检验。 主体间效应的检验 因变量:记忆成绩 源 III 型平方和df均方F Sig. 校正模型7.000截距1.000 A1.000 B1.000 C1.001 A * B1.037 A * C1.007 B * C1.146 A * B * C1.002误差32 总计40 校正的总计39
三因素实验设计
对三因素重复测量实验设计进行数据处理 一、三因素完全随机实验设计数据处理 过程： 1、打开SPSS软件，点击Data View ，进入数据输入窗口，将原始数据输入SPSS 表格区域； 2、在菜单栏中选择分析→一般线性模型→单变量； 3、因变量Dependent Variable方框中放入记忆成绩（JY），固定变量（Fixed Factor(s)）方框中，放入自变量记忆策略、有无干扰和材料类型； 4、点击选项（Options）按钮，选择Descriptive statistics，对数据进行描述性统计；选择Homogeneity tests，进行方差齐性检验；
o n 2图形图片20总计40 被试间变量效应检验结果：A、B、C的主效应均极显著（P<）；AB 交互效应显著； AC 交互效应极显著；BC 交互效应不显著；ABC 交互效应极显著。对于二阶与三 阶交互效应显著的，还需进行简单效应与简单简单效应检验。 主体间效应的检验 因变量:记忆成绩 源 III 型平方和df均方F Sig. 校正模型7.000截距1.000 A1.000 B1.000 C1.001 A * B1.037 A * C1.007 B * C1.146 A * B * C1.002误差32 总计40 校正的总计39 a. R 方 = .852（调整 R 方 = .819）
简单效应检验： 在主对话框中，单击Paste按钮，SPSS会把原先的全部操作转换成语句并粘贴到新打开的程序语句窗口中，在命令语句中加入EMMEANS引导的语句； 结果：当被试使用联想策略进行记忆时，无干扰条件的记忆成绩极显著优于有干扰条件的记忆成绩；当被试使用复述策略进行记忆时，无干扰条件的记忆成绩也极显著优于有干扰条件的记忆成绩。当被试使用联想策略进行记忆时，实物图片的记忆成绩极显著优于图形图片的记忆成绩；当被试使用复述策略进行记忆时，实物图片与图形图片的记忆成绩无显著差异。 简单简单效应检验： 结果：所以a,b,c有显著差异。 二、重复测量一个因素的三因素混合实验设计数据处理 过程： 1.Data View ，进入数据输入窗口，将原始数据输入SPSS表格区域 2.Analyze → General Linear Model → Repeated Measures（在菜单栏中选择分析→一般线性模型→重复变量） 3.在定义被试内变量（Within-Subject Factor Name）的方框中，设置被试内变量标记类型，在定义其水平（Number of Level）的对框中，输入3，表示有两个水平，然后按填加（Add）钮。 4.按定义键（Define），返回重复测量主对话框，将b1、b2、b3选入被试内变量（Winthin-Subjects Variables）方框中，将a、c选入被试间变量框中。 5.点击选项Options，进行如下操作： ①将被试内变量b（三个水平）键入到右边的方框中，采用[LSD（none）]法进行多重比较， ②选择Descriptive statistics命令，对数据进行描述性统计。 选择Homogeneity tests进行方差齐性检验。
两因素混合设计
重复测量一个因素的两因素实验设计：两因素混合设计 一、两因素混合实验设计的基本特点 当一个实验设计既包含非重复测量的因素(被试间因素)，又包含重复测量的因素(被试内因素)时，叫做混合因素设计，混合因素设计是现代心理与教育实验中应用最广泛的一种设计，虽然我们说对被试变量控制最好的实验设计是重复测量设计，但在心理与教育研究中，很多情况下研究者不能使用完全被试内设计，而需要使用混合设计。两因素混合实验设计适用于这样的研究条件： 1.研究中有两个自变量，每个自变量有两个或多个水平。 2.研究中的一个自奕量是被试内的，即每个被试要接受它的所有水平的处理。研究中的另一个自变量是被试间的，即每个被试只接受它的一个水平的处理，或者它本身是一个被试变量，是每个被试独特具有、而不可能同时兼备的，如年龄、性别、智力等。 3.研究者更感兴趣于研究中的被试因素的处理效应，以及两个因素的交互作用，希望对它们的估价更加精确。相比之下，被试间因互不的处理效应不是研究者最感兴趣的。 两因素混合设计的基本方法是：首先确定研究中的被试内变量和被试间变量，将被试随机分配给被间变量的各个水平，然后使每个被试间变量，将被试验机分配给被试间变量的某一水平相结合的被试内变量的所有水平。混合实验设计既具有完全随机设计的特点，又有重复测量实验设计的特点。 图解中可以看出，在一个两因素混合设计中，对于A因素来说，实验设计很完全随机设计，每个被试只接受一个水平的处理，对于B因素来说，是一个重复测量设计，每个被试接受所有水平的处理。同时，它又是一个因素设计，每个被试接受的是A因素的某一个水平与B因素所有水平的结合。一个两因素混合设计所需的被试量是N=np，少于一个两因素完全随机设计(N=npq)，多于一个两因素被试内设计(N=n)。 混合设计在心理与教育研究中是特别有用的，下面我们介绍在几种情况下，需要使用混合设计： 1.当研究中的两个变量中有一个是被试变量，如被试的性别、年龄、能力，研究者感兴趣于这个被试变量的不同水平对另一个因素的影响。这时，每个被试不可能同时具有这个变量的几个水平，因此，它是一个被试间变量。如果实验中选择了这样一个被试变量作两个自变量之一，就必须使用混合设计。 2.当研究中的一个自变量的处理会对被试产生长期效应，如学习效应时，不宜做被试内设计。因为如果将对被试有长期影响的变量反复施测给同一被试，学习效应会导致结果失去真实性。 3.有时选用混合设计是出自对实验的可行性的考虑。例如，当实验中两个因素的水平数都较多，使用完全随机设计，所需要的被试量很大，而选用被试内设计，每个被试重复测量的次数很多，会带来疲劳、练习等效应。这时，混合设计可能是一个很好的选择。但是，把哪一个变量作被试内变量，哪一个作被试间变量更好呢？ 在混合实验设计中，被试间因素的处理效应与被度的个体差异相混淆，因此结果的精度不够好。但是，实验中被试内因素的处理效应及两个因素的交互作用的结果的精度都是好的，所以，如果研究中的一个自变量的处理效应不是研究者最关心的，可以把它作为被试间因素，牺牲它的结果精度，以获得对另一个变量的主效应及两上变量的交互作用的估价的精度。 二、两因素混合实验设计与计算举例 (一)研究的问题与实验设计 在第三章关于文章生字密度和主题熟悉性对阅读理解影响的研究中，我们已经看到，当采用随机区设计分离出一个被试变量——学生听读理解能力量，提高了检验的敏感性。要想更好地控制被试变量，有b1、b1、b3三个水平，将主题熟悉性作为一个被试间变量，有a1、a2两个水平。这是一个2×3两因素混合设计。8名五年级学生被随机分为两组，一组学生每人阅读三篇生字密度不同的、主题熟悉的文章，另一组学生每人阅读三篇生字密度不同的、主题不熟悉的文章。实验实施时，阅读三篇文章分三次进行，用拉丁方平衡学生阅读文的先后顺序。 (二)实验数据及其计算 1.计算表 表4—1—1 两因素混合实验的计算表
单因素实验设计
单因素试验设计是指只有一个因素（或仅考查一个因素）对试验指标构成影响的试验。单因素试验设计要求对试验水平进行布局和优化，是一种水平试验设计。 单因素试验设计方法可分为两类：同时试验设计和序贯试验设计。同时试验设计就是一次给出全部试验水平，一次完成全部试验并得到最佳试验结果，如穷举试验设计。序贯试验设计要求分批进行试验，后批试验需根据前批试验结果进一步优化后序贯进行，直到获取最佳试验结果，如平分试验设计、黄金分割试验设计。 一、试验范围与试验精度 （一）试验范围 试验范围指试验水平的范围。试验设计时需预先确定试验范围，一般采用两种方法：○ 1经验估计。可凭经验估计试验范围，并在试验过程中作调整。○2预先试验。要求在较大范围 内进行探索，通过试验逐步缩小范围。 （二）试验间隔与试验精度 试验间隔是指试验水平的间距，试验精度是指试验结果逼近最佳水平的程度。显然，试验间隔与试验精度是一对矛盾，试验间隔越大，试验精度越低。在保证试验精度的条件下，试验水平变化而引起的试验结果变动必须显著地超过试验误差。 （三）试验顺序 在确定试验顺序时，往往习惯于按照试验水平高低依次做试验。这样，随着试验的进行，有些因素会发生缓慢变化甚至影响试验结果。因此，正确的做法是采用随机化方法来确定试验顺序。在试验工作量较少或者试验准确度要求较低时，也可以采用按水平高低或者选取中间试验点的方法来进行试验排序。 需强调指出，以上不仅对单因素试验设计，而且对所有试验设计方法都适用。 二、单因素试验设计 （一）平分试验设计 平分试验设计就是平分试验范围，把其中间点作为新试验点，然后不断缩小试 验范围直到找到最佳条件。当试验结果呈单向变化时，也就是说最佳试验点只可能在试验中间点的一侧，可采用平分试验设计。该方法简便易行，但要注意单向性特征。 （二）穷举试验设计与均分试验设计 穷举试验设计是将所有可能的试验点在一批试验中全部进行试验。均分试验设 计是根据试验精度要求，均分整个试验范围以获得所有试验点。显然，均分试验设计不仅充分体现了穷举试验设计的思想，而且也明确了具体试验设计方法。 如试验起始点为a ，终点为b ，试验点的间隔区间为L ，则均分试验设计的试 验点数n 为 1L a b n +-= （1-1） 该试验设计的特点是对所试验的范围进行“普查”，试验点数量较多，宜用于 对目标函数性质没有掌握或很少掌握的情况。 （三）黄金分割试验设计 黄金分割试验设计就是在预定试验范围内采用0.618黄金分割原理安排新试验 点，直到找到最佳试验结果为止，因而又称0.618试验设计。黄金分割就是在特定范围内寻求黄金分割点（k ）及对称点（1-k ）。在0~1的试验范围内，黄金分割点（k ）为0.618，其对称点（1-k ）为0.382。 黄金分割点试验设计涉及两个层面，一是已知试验范围内的黄金分割点的寻 求，二是新试验范围的确定与进一步寻优。如图1-1所示，首先在试验范围（a ，b ）内，按照0.618黄金分割原理安排两个试验点x 1、x 2；然后根据试验结果确定进一
单因素实验设计
单因素实验设计 单因素实验设计是指在实验中只有一个研究因素，即研究者只分析一个因素对效应指标的作用，但单因素实验设计并不是意味着该实验中只有一个因素与效应指标有关联。单因素实验设计的主要目标之一就是如何控制混杂因素对研究结果的影响。常用的控制混杂因素的方法有完全随机设计、随机区组设计和拉丁方设计等。 一、完全随机设计 1.概念与特点 又称单因素设计或成组设计，是医学科研中最常用的一种研究设计方法，它是将同质的受试对象随机地分配到各处理组进行实验观察，或从不同总体中随机抽样进行对比研究。该设计适用面广，不受组数的限制，且各组的样本含量可以相等，也可以不相等，但在总体样本量不变的情况下，各组样本量相同时的设计效率最高。 例如：为了研究煤矿粉尘作业环境对尘肺的影响，将18只大鼠随机分到甲、乙、丙3组，每组6只，分别在地面办公楼、煤炭仓库和矿井下染尘，12周后测量大鼠全肺湿重（g），通过评价不同环境下大鼠全肺平均湿重推断煤矿粉尘对作用尘肺的影响，具体的随机分组可以如下实施： 第一步：将18只大鼠编号：1，2，3， (18) 第二步：可任意设置种子数，但应作为实验档案记录保存（本例设置spss11.0软件的种子数为200）； 第三步：用计算机软件一次产生18个随机数，每个随意数对应一只老鼠（本例用spss11.0软件采用均匀分布最大值为18时产成的18个随机数）； 第四步：最小的6个随机数对应编号的大鼠为甲组，排序后的第7个至第12个随机数随因编号为乙组，最大的6个随机数对应编号的大鼠为丙组（结果见表1）。 表1 分配结果 编号 1 2 3 4 5 6 7 8 9 3.75 8.75 16.29 11.12 5.49 3.98 13.64 16.71 1.69 随机 数 组别甲乙丙乙乙甲丙丙甲 编号10 11 12 13 14 15 16 17 18 13.62 16.36 2.12 4.74 11.54 3.98 0.13 17.35 16.38 随机 数 组别丙丙甲乙乙甲甲丙丙 2.随机数的产生方法 （1）随机数字表：如附表13（马斌荣，医学统计学，第4版），这是一个由0～9十个数字组成60行25列的数字表。说这些数字是随机的，是因为十个数字出现的频率近似相同，且出现的次序也没有规律。欲获得随机数，则事先根据研究性质确定随机数的位数，然后任意指定行和列，按事先确定的方向和方法读取随机数。如：将符合实验要求的20只动物随
三因素重复测量设计
重复测量三个因素的三因素实验设计：三因素被试内设计 一、三因素被试内实验设计的基本特点 三因素被试内设计适合下列的研究条件： 1、研究中有三个自变量，它们都是被试内变量，每个自变量两个或多个水平。 2、如果实验中的三个自变量分别有p 、q 、r 个水平，则研究中共有p ×q ×r 个处理的结合。 图6—3—1 三因素被试内设计中的被试的分配 从图解中可以看出，与前两种混合设计相比，三因素被试同设计所用的被试最少（N=n ），因此进的被试间的个体差异也最少，当实验中的三个自变量都适合作被试内变量，且实验任务较简单，每次施测不费时间的时候，这是一种控制得最好的设计。 二、三因素被试内实难设计与计算举例 （一）问题的提出与实验设计 如果把本章中前两节所介绍的阅读理解研究中的三个因素都作为被试内因素。则实验中只需4名被试，每个被试阅读8篇文章。因为一个被试阅读8篇文章所带来疲劳和顺序效应会变得十分严重，所以在这个 实验中，被试内设计也许并不是一个很好的选择，我们在这里主要是将它作为一个三因素被试同实验设计的例子。 （二）实验数据及其计算 1．计算表 表6—3—1 三；因素被试内实验的计算表 AC 表 BC 表
1111 36202.00p q n r ijkl i j k l Y =====++=∑∑∑∑ 2 2 1111(202)[](4)(2)(2)(2) p q n r ijkl i j k l Y Y npqr ====?? ???==∑∑∑∑=1275.125 2 221111 [](3)(6)p q n r ijkl i j k l Y ABCS ===== =++∑∑∑∑ =1544.000 2 221111 (66)(136)[]1428.250(4)(2)(2)(4)(2)(2)q n r ijkl p i k l j Y A nqr ====?? ? ??==+=∑∑∑∑ 2 221111 (91)(111)[]1287.625(4)(2)(2)(4)(2)(2)p n r ijkl p i j l k Y B npr ====?? ? ??==+=∑∑∑∑ ACS 表 BCS 表
单因素实验优秀论文模板
毕业论文（设计） 题目竹叶中多糖的提取方法研究指导老师汪洪 专业班级食品营养与检测112 姓名戴晓鹏 学号 20117100203 2014年5月28日
摘要：本研究以竹叶为研究对象，通过单因素试验和正交试验观察了温度、时间、固液比、提取次数对多糖提取率的影响，比较了水提、超声波提取和微波提取三种提取方法对竹叶多糖得率的影响。结果表明，水提最佳浸提参数：温度80℃，时间90min，固液比1:25，浸提次数3次。超声波提取最佳浸提参数为：温度70℃，时间20min，固液比1:20，浸提次数3次。微波提取最佳浸提参数为：微波功率500W，固液比1:15，时间2min，浸提次数3次。最佳提取工艺方法是超声波提取，条件是温度70℃，时间20min，固液比1:20，浸提3次。 关键词：水提；超声波；微波；沉淀；提取次数
目录 引言 (1) 1材料与仪器 (2) 1.1实验材料 (2) 1.2实验试剂 (2) 1.3实验仪器 (2) 2 实验方法 (3) 2.1竹叶多糖提取工艺流程 (3) 2.2样品中多糖含量的测定 (3) 2.3浸提条件对多糖提取效果的影响 (4) 2.3.1单因素试验 (4) 2.3.2浸提工艺正交试验 (4) 2.3.3不同浸提方法的比较研究 (5) 2.4分析方法 (5) 3 结果与分析 (5) 3.1 单因素试验结果 (5) 3.1.1温度对多糖得率的影响 (5) 3.1.2时间对多糖得率的影响 (6) 3.1.3固液比对多糖得率的影响 (6) 3.1.4提取次数对多糖得率的影响 (7) 3.1.5乙醇浓度对多糖得率的影响 (8) 3.2正交试验 (9) 3.2.1水提工艺正交试验效果 (9) 3.2.2超声波提取工艺正交试验结果 (10) 3.2.3微波提取工艺正交试验效果 (11) 3.3竹叶多糖不同提取方法的比较效果 (12) 结论 (12) 参考文献 (13)