常用試驗設計及分析方法第一頁，共十三頁，2022年，8月28日第六章常用試驗設計及分析方法第二頁，共十三頁，2022年，8月28日試驗設計的意義一個周密的試驗設計能合理的安排各種試驗因素,正確估計樣本含量大小,嚴格控制試驗誤差,從而用較少的人力、物力、時間，最大限度的獲得豐富而可靠的資料。第三頁，共十三頁，2022年，8月28日一完全隨機設計（completelyRandomDesign亦稱單因素設計，即該設計方案僅涉及一個處理因素，它是將受試對象按隨機化的方法分配到各個處理組中，觀察處理效應。采用單因素方差分析，在分析時應該考慮數據的正態性、方差齊性等問題。如果不滿足這些條件，應當進行變量變換或采用非參數方法來檢驗。如果結果分析顯示該因素有統計學意義，可根據相關研究的檢索結果，選擇適宜方法進行多重比較。第四頁，共十三頁，2022年，8月28日二隨機區組設計（RandomizedBlockDesign)亦稱配伍設計，或雙因素交叉分組無重復試驗設計。分為兩種情況：1對同一受試對象在同一處理不同水平間的比較；2將幾個受試對象按一定條件劃分為隨機單位組，再將每一單位組的各受試者隨機分配到各個處理組中去。每個單位組的重復數等于處理數。第五頁，共十三頁，2022年，8月28日二隨機區組設計（RandomizedBlockDesign)用于配伍的因素應當是影響試驗效應的主要非處理因素，如動物試驗中將窩別、性別相同、體重相近的兩個動物配成對子（單位組），提高各處理組間的均衡性。隨機單位組設計試驗資料的分析方法是兩因素方差分析，對于單元格內無重復數據，交互作用和方差齊性無法考察。第六頁，共十三頁，2022年，8月28日三交叉設計（Cross-overDesign）是一種特殊的自身對照設計。它克服了試驗前后由于各種非試驗因素對試驗結果的影響所造成的偏移。交叉試驗設計的數據可以采用方差分析方法進行，所觀察到的數據的變異有以下幾個來源：處理效應、階段效應、順序效應和個體差異。其中，處理效應是希望研究的，而順序效應則在目前常用的統計分析中忽略不計，因為是交叉設計能夠實施的前提條件，試驗時應該保證足夠長的時間間隔期。第七頁，共十三頁，2022年，8月28日四析因設計當一種因素的質和量改變時，另一種現象的質和量也隨之改變，幾個因素間存在交互作用時，采用析因設計。k*k的析因設計試驗，可以檢驗因素各水平之間的差異有無統計學意義，同時可以檢驗交互作用。如果因素的交互作用顯著，則各因素的主效應檢驗結果無實際意義，應當按各因素的各種水平組合來研究。第八頁，共十三頁，2022年，8月28日五拉丁方設計（LatinSquareDesign）如果試驗中涉及三個因素（一般為一個試驗因素，兩個區組因素），且如果各個因素間無交互作用且水平數相等，則可以采用拉丁方設計。將三個因素按水平數r排成一個r*r的隨機方陣，在同一行或同一列中任何一個因素的水平均無重復。第九頁，共十三頁，2022年，8月28日六正交設計（OrthogonalDesign）試驗涉及三個或三個以上因素，且因素間可能存在交互作用時，使用正交表設計試驗，將各試驗因素、各水平之間的組合進行均勻搭配，從而可以用較少的、有代表性的處理組合數，提供充分有用的信息。正交設計是可以分析主效應和交互作用的多因素試驗設計方法。第十頁，共十三頁，2022年，8月28日六正交設計（OrthogonalDesign）正交設計步驟：1根據試驗目的，確定試驗因素及其水平；2確定因素間是否存在交互作用及觀察的交互作用項。3根據需要和可能確定試驗次數4選取正交表，按照表上安排進行試驗。第十一頁，共十三頁，2022年，8月28日六正交設計（OrthogonalDesign）在SPSS中Date菜單中-OrthogonalDesign過程提供了正交設計模塊，按需要選好因素數、水平數以及樣本例數（重復試驗次數），系統自動生成相應的正交表文件。進行方差分析第十二頁，共十