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.

凡满足上述两性质的表都称为正交表(Orthogonal table).

常用的正交表有L9（34），L8（27），L16（45）等，见附表.用正交表来安排试验的方法，就叫正交试验设计.一般正交表L p（n m）中，p=m(n-1)+1.下面通过实例来说明如何用正交表来安排试验.

例9.7 提高某化工产品转化率的试验.

某种化工产品的转化率可能与反应温度A，反应时间B，某两种原料之配比C和真空度D有关.为了寻找最优的生产条件，因此考虑对A，B，C，D这4个因素进行试验.根据以往的经验，确定各个因素的3个不同水平，如表9-18所示.

分析各因素对产品的转化率是否产生显著影响，并指出最好生产条件.

解本题是4因素3水平，选用正交表L9（34）.

把表头上各因素相应的水平任意给一个水平号.本例的水平编号就采用表9-18的形式；将各因素的诸水平所表示的实际状态或条件代入正交表中，得到9个试验方案，如表9-20所示.

从表9-20看出，第一行是1号试验，其试验条件是：

反应温度为60℃，反应时间为2.5小时，原料配比为1.1∶1，真空度为500毫米汞柱，记作A1B1C1D1.依此类推，第9号试验条件是A3B3C2D1.

由此可见，因素和水平可以任意排，但一经排定，试验条件也就完全确定.按正交试验表9-20安排试验，试验的结果依次记于试验方案右侧，见表9-21.

2.试验结果的直观分析

正交试验设计的直观分析就是要通过计算，将各因素、水平对试验结果指标的影响大小，通过极差分析，综合比较，以确定最优化试验方案的方法.有时也称为极差分析法.

例9.7中试验结果转化率列在表9-21中，在9次试验中，以第9次试验的指标86为最高，其生产条件是A3B3C2D1.由于全面搭配试验有81种，现只做了9次.9次试验中最好的结果是否一定是全面搭配试验中最好的结果呢？还需进一步分析.

（1）极差计算

在代表因素A的表9-21的第1列中，将与水平“1”相对应的第1，2，3号3个试验结果相加，记作T11，求得T11=151.同样，将第1列中与水平“2”对应的第4，5，6号试验结果相加，记作T21，求得T21=183.

一般地，定义T ij为表9-21的第j列中，与水平i对应的各次试验结果之和(i=1,2,3; j=1,2,3,4).记T为9次试验结果的总和，R j为第j列的3个T ij中最大值与最小值之差，称为极差.

显然T=

3

1ij

i

T =

∑，j=1,2,3,4.

此处T11大致反映了A1对试验结果的影响，

T21大致反映了A2对试验结果的影响，

T31大致反映了A3对试验结果的影响，

T12，T22和T32分别反映了B1，B2，B3对试验结果的影响，

T13，T23和T33分别反映了C1，C2，C3对试验结果的影响，

T14，T24和T34分别反映了D1，D2，D3对试验结果的影响.

R j反映了第j列因素的水平改变对试验结果的影响大小，R j越大反映第j列因素影响越

大.上述结果列表9-22.

(2) 极差分析(Analysis of range)

由极差大小顺序排出因素的主次顺序：

主→次

B；A、D；C

这里，R j值相近的两因素间用“、”号隔开，而R j值相差较大的两因素间用“；”号隔开.由此看出，特别要求在生产过程中控制好因素B，即反应时间.其次是要考虑因素A和D，即要控制好反应温度和真空度.至于原料配比就不那么重要了.

选择较好的因素水平搭配与所要求的指标有关.若要求指标越大越好，则应选取指标大的水平.反之，若希望指标越小越好，应选取指标小的水平.例9.7中，希望转化率越高越好，所以应在第1列选最大的T31=185；即取水平A3，同理可选B3C1D3.故例9.7中较好的因素水平搭配是A3B3C1D3.

例9.8某试验被考察的因素有5个：A，B，C，D，E.每个因素有两个水平.选用正交表L8(27)，现分别把A，B，C，D，E安排在表L8(27)的第1，2，4，5，7列上，空出第3，6列仿例9.7做法，按方案试验.记下试验结果，进行极差计算，得表9-23.

表9-23

j 的大小顺序排出因素的主次顺序为

主→次

A、B；D；C、E

最优工艺条件为A2B1C1D2E1.

表9-23中因没有安排因素而空出了第3，6列.从理论上说，这两列的极差R j应为0，但因存有随机误差，这两个空列的极差值实际上是相当小的.

3.方差分析

正交试验设计的极差分析简便易行，计算量小，也较直观，但极差分析精度较差，判断

因素的作用时缺乏一个定量的标准.这些问题要用方差分析解决.

设有一试验，使用正交表L p (n m ),试验的p 个结果为y 1,y 2,…,y p ,记

T =1

p

i i y =∑, y =11p i i T

y p p ==∑，

S T =

21

()p

i

i y

y =-∑

为试验的p 个结果的总变差；

S j =2

2

2111n

n ij ij i i T T T r T r

p r p ==??-=- ???∑∑ 为第j 列上安排因素的变差平方和，其中r =p/n .可证明

S T =

1

m

i

j S

=∑

即总变差为各列变差平方和之和，且S T 的自由度为p -1，S j 的自由度为n -1.当正交表的所有

列没被排满因素时，即有空列时，所有空列的S j 之和就是误差的变差平方和S e ，这时S e 的自由度f e 也为这些空列自由度之和.当正交表的所有列都排有因素时，即无空列时，取S j 中的最小值作为误差的变差平方和S e .

从以上分析知，在使用正交表L p (n m )的正交试验方差分析中，对正交表所安排的因素选用的统计量为：

F =

1j

e

e

S S n f -.

当因素作用不显著时，

F ~F (n -1,f e ),

其中第j 列安排的是被检因素.

在实际应用时，先求出各列的S j /(n -1)及S e /f e ,若某个S j /(n -1)比S e /f e 还小时，则这第j 列就可当作误差列并入S e 中去，这样使误差S e 的自由度增大，在作F 检验时会更灵敏，将所

有可当作误差列的S j 全并入S e 后得新的误差变差平方和，记为S e Δ,其相应的自由度为f e Δ

,这时选用统计量

F =

1j

e e

S S n f

- ~F (n -1,f e Δ

).

例9.9 对例9.8的表9-23作方差分析.

解 由表9-23的最后一行的极差值R j ，利用公式S j =2

211n ij i T T r p

=-∑,得表9-24.

表9-24中第3，6列为空列，因此S e=S3+S6=1.250,其中f e=1+1=2,所以S e/f e=0.625,而第7列的S7=0.125，S7/f7=0.1251=0.125比S e/f e小，故将它并入误差.

S eΔ=S e+S7=1.375,f eΔ=3.整理成方差分析表9-25.

表9-25

由于F0.05(1,3)=10.13, F0.01(1,3)=34.12,故因素A，B作用高度显著，因素C作用不显著，因素D作用显著，这与前面极差分析的结果是一致的.F检验法要求选取S e，且希望f e要大，故在安排试验时，适当留出些空列会有好处的.前面的方差分析中，讨论因素A和B的交互作用A×B.这类交互作用在正交试验设计中同样有表现，即一个因素A的水平对试验结果指标的影响同另一个因素B的水平选取有关.当试验考虑交互作用时，也可用前面讲的基本方法来处理.本章就不再介绍了.

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，

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

正交试验方差分析(通俗易懂)

第十一章正交设计试验资料得方差分析 在实际工作中，常常需要同时考察3个或3个以上得试验因素,若进行全面试验，则试验得规模将很大,往往因试验条件得限制而难于实施。 正交设计就是安排多因素试验、寻求最优水平组合得一种高效率试验设计方法. 第一节、正交设计原理与方法 (一）正交设计得基本概念 正交设计就是利用正交表来安排多因素试验、分析试验结果得一种设计方法。它从多因素试验得全部水平组合中挑选部分有代表性得水平组合进行试验，通过对这部分试验结果得分析了解全面试验得情况，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得影响: Ａ因素就是氮肥施用量,设A１、Ａ2、A3 3个水平; B因素就是磷肥施用量，设B1、B2、B3 3个水平; C因素就是钾肥施用量，设C1、C2、C3 3个水平。 这就是一个3因素每个因素3水平得试验,各因素得水平之间全部可能得组合有2７种。 如果进行全面试验，可以分析各因素得效应，交互作用,也可选出最优水平组合。 但全面试验包含得水平组合数较多，工作量大，由于受试验场地、经费等限制而难于实施。 如果试验得主要目得就是寻求最优水平组合，则可利用正交设计来安排试验. 正交设计得基本特点就是:用部分试验来代替全面试验,通过对部分试验结果得分析，了解全面试验得情况。 正交试验就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得混杂。 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个水平组合得全面试验得情况，找出最佳得生产条件。 一、正交设计得基本原理 表１1－1 ３３试验得全面试验方案

利用SPSS 进行方差分析以及正交试验设计

实验设计与分析课程论文 题目利用SPSS 软件进行方差分析和正交试验设计 学院 专业 年级 学号 姓名 2012年6月29日

一、SPSS 简介 SPSS 是世界上最早的统计分析软件，1984年SPSS 总部首先推出了世界上第一个统计分析软件微机版本SPSS/PC+，开创了SPSS 微机系列产品的开发方向，极大地扩充了它的应用范围，并使其能很快地应用于自然科学、技术科学、社会科学的各个领域，世界上许多有影响的报刊杂志纷纷就SPSS 的自动统计绘图、数据的深入分析、使用方便、功能齐全等方面给予了高度的评价与称赞。 SPSS 的基本功能包括数据管理、统计分析、图表分析、输出管理等等。SPSS 统计分析过程包括描述性统计、均值比较、一般线性模型、相关分析、回归分析、对数线性模型、聚类分析、数据简化、生存分析、时间序列分析、多重响应等几大类，每类中又分好几个统计过程，比如回归分析中又分线性回归分析、曲线估计、Logistic 回归、Probit 回归、加权估计、两阶段最小二乘法、非线性回归等多个统计过程，而且每个过程中又允许用户选择不同的方法及参数。SPSS 也有专门的绘图系统，可以根据数据绘制各种图形。SPSS 的分析结果清晰、直观、易学易用，而且可以直接读取EXCEL 及DBF 数据文件，现已推广到多种各种操作系统的计算机上，它和SAS 、BMDP 并称为国际上最有影响的三大统计软件。 SPSS 输出结果虽然漂亮，但不能为WORD 等常用文字处理软件直接打开，只能采用拷贝、粘贴的方式加以交互。这可以说是SPSS 软件的缺陷。 二、方差分析 例如 某高原研究组将籍贯相同、年龄相同、身高体重接近的30名新战士随机分为三组，甲组为对照组，按常规训练，乙组为锻炼组，每天除常规训练外，接受中速长跑与健身操锻炼，丙组为药物组，除常规训练外，服用抗疲劳药物，一月后测定第一秒用力肺活量(L)，结果见表。试比较三组第一秒用力肺活量有无差别。对照组为组一，锻炼组为组二，药物组为组三。 第一步：打开 SPSS 软件 表1 三组战士的第一秒用力肺活量(L) 对照组 锻炼组 药物组 合计 3.25 3.66 3.44 3.32 3.64 3.62 3.29 3.48 3.48 3.34 3.64 3.36 3.16 3.48 3.52 3.64 3.20 3.60 3.60 3.62 3.32 3.28 3.56 3.44 3.52 3.44 3.16 3.26 3.82 3.28

正交试验方差分析(通俗易懂)复习过程

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8章 正交试验设计的方差分析例题

8.3.2 考虑交互作用的三水平正交试验的方差分析（因学时有限和正交表太大L27(313)，不讲解！只讲解二水平情况，因为二水平会，三水平自然也会！） 例8-4 运动发酵单细胞菌是一种酒精生产菌。为了确定其发酵培养基的最佳配方，进行了四因素三水平正交试验，试验指标为酒精浓度（g/ml）。表8-12给出了因素水平表，要求考察交互作用A×B、A×C和A×D。查附表7可得，本试验应选用L27(313)正交表，表头设计应按照“L27(313)二列间的交互作用表”进行。本例只考虑一级交互作用（p=1），所以每个三水平交互作用应占(m-1)P=(3-1)1=2列，即A ×B、A×C，和A×D在L27(313)正交表中各占二列。 表8-12 因素水平表 表头设计时应避免混杂，试验方案及试验结果见表8-13。 由交互作用表可知，将因素A、B安排在第1、2列之后，第3、4列为A×B交互作用列；再将C安排在第5列后，A×C交互作用在第6、7列；最后将D安排在第9列，则A×D交互作用类落在第8、10列（当然也可将D安排在第8列，则第9、10列为A×D交互作用列）。 表8-13 试验方案及结果分析 L27(313)

一、计算（计算过程省略） 1.计算各列各水平的K ij 值(K 1j ,K 2j ,K 3j )和K 2 ij (K 21j ,K 22j ,K 23j ) 各列各水平对应的试验数据之和K 1j ,K 2j ,K 3j ,及其平方和K 21j , K 22j , K 23j ,列于表8-13中,例如 K 1A = ∑=9 1 i i X =0.20+0.50*2+1.50+1.10+1.20*2+1.60*2=9.40=K 11 ， K 2 11= 88.36 K 2A =∑=9 1i i X =0.40+0.50+……+6.15=33.05= K 21 ， K 221=1092.30 K 3A =∑=9 1 i i X =0.40+0.30+……+2.80=25.80= K 31 ， K 231 =665.64 表示A ×B 的有两列,即第3,4列,计算后可知 K 13 =32.75, K 23 =17.90; K 33 =17.60 K 14 =26.40; K 24 =24.55, K 34 =17.30 2.计算各列的偏差平方和(S j )及其自由度(f j ) 由式(8-4),可知: S j =CT Q n T K r j m i ij -=-∑=2 2 11 r=n/m=27/3=9; CT=T 2/n=1/27×68.252=172.52

正交试验的方差分析实例1

正交试验设计实例分析 正交试验设计是使用正交表来安排多因素、多水平试表验，并采用统计学方法分析实验结果的一种实验设计方法［１］。对于多因素、多水平的问题，人们一般希望通过若干次的实验找出各因素的主次关系和最优搭配条件，用正交表合理地安排实验，可以省时、省力、省钱，同时又能得到基本满意的实验效果。因此，这种方法在改进产品质量、优化工艺条件及研发新产品等诸多方面广泛应用。但是，很多研究人员在使用该方法时，有些细节往往容易被忽视。作者以姜黄素的提取为例具体阐述这一方法的使用和注意事项。 1.实例： 姜黄素是姜黄中的主要活性成分，在优化其提取工艺时，首先应确定正交试验需要考察的因素和水平。尤本明等［２］考察了三个因素，因素A（作为溶媒的乙醇浓度）、因素 B（溶媒的量）、因素C（渗漉速度），每个因素取三个水平。试验设计时，一般还应考虑各因素间的交互作用，也就是因素之间的联合作用，这点不可忽视。根据以往经验可知，本例中因素之间的交互作用可以忽略，故采用 L９（３４）正交表来安排试验（见表１）。该表共有４列，将因素 A 、B 、C 分别安排在正交表的第２、３、４列上，第１列为空白列。在试验前，各因素及水平在正交表中的位置必须交待清楚，以确定各次试验的条件，避免不必要的错误。 1 正交试验设计与结果 2 .直观分析法： 表１中的 K１、K２、K３分别表示在各因素各水平下姜黄素提取量的总和，K分别表示在各因素各水平下姜黄素提取量的平均值。由于有时会遇到各因素水平数不等的情况，因此，一般用提取量的平均值大小来反映同一个因素的各个不同水平对试验结果（提取量）影响的大小，并以此确定该因素应取的最佳水平。用同一因素各水平下平均提取量的极差R（极差＝平均提取量

第8章 正交试验设计的方差分析

第8章正交试验设计的方差分析 前面我们讨论了如何安排正交试验以及用极差分析法(即直观分析法)对试验结果进行计算分析.极差分析法简单明了，通俗易懂，计算工作量少，便于普及推广.但这种方法不能把试验中由于试验条件的改变引起的数据波动，同试验误差引起的数据波动区分开来.也就是说，不能区分因素各水平对应的试验结果间的差异，究竟是由于因素水平不同引起的，还是由于试验误差引起的，即不知道试验的精度.同时，对影响试验结果的各个因素的重要程度，既不能给出精确的定量估计，也不能提供一个标准，用来判断所考察的因素的作用是否显著. 为了弥补极差分析法的不足，对试验结果的分析可采用方差分析法. 8.1 正交试验方差分析的基本步骤 在第2章中我们已经介绍过，方差分析的基本思想是将数据的总偏差平方和(S T)分解为因素的偏差平方和(S A、S B)和误差的偏差平方和(S e)，然后将偏差平方和除以相对应的自由度(f)得到方差(V A、V B)，最后利用因素方差与误差方差之比(V A/V e，V B/V e)，作F检验，即可判断因素的作用是否显著.正交试验设计的方差分析也是按这样的步骤进行的，所不同的是这是考虑的是多因素试验的方差分析，而第2章中只考虑单因素和双因素试验的方差分析. 一、计算 1.偏差平方和与自由度的计算

方差分析的关键是偏差平方和的分解，现在以最简单的L 4(23)正交表上安排的试验为例来说明(见表8-1，板书).不考虑哪些因素安排在哪些列上(即表头设计时)，设试验结果为x 1、x ２、x 3和x 4. 总的偏差平方和: 4 )(2 4 1 221 212 _T x n T x x x S i i n i i n i i T - =- =-=∑∑∑=== T=∑=n i i x 1 =(x 21+x 22+x 23+x 24)-4 1 (x 4321x x x +++)2 整理后可得 43 = (24232221x x x x +++) 2 1 - (434232413121x x x x x x x x x x x x +++++) 第1列各水平偏差平方和为 S 1=22 _ 21_ 2 _11_ )(2)(x K x K -+- =2[221211)4 2()42( T K T K -+-] =2[T K T K T K T K 2111222122114 1 41164164--+++] =22 2121141)(21T K K -+ )(211141 K K x T i i +==∑= =24321243221)(41])()[(21x x x x x x x x +++-+++ =)(2 1)(414321423241312 42322 21x x x x x x x x x x x x x x x x --+++-+++ 表8-1 L 4(23)正交表及计算表