常用试验设计及分析方法.ppt

第一页，共十三页，2022年，8月28日 第六章常用试验设计及分析方法 第二页，共十三页，2022年，8月28日 试验设计的意义 一个周密的试验设计能合理的安排各种试验因素,正确估计样本含量大小,严格控制试验误差,从而用较少的人力、物力、时间，最大限度的获得丰富而可靠的资料。 第三页，共十三页，2022年，8月28日 一 完全随机设计（completely Random Design 亦称单因素设计，即该设计方案仅涉及一个处理因素，它是将受试对象按随机化的方法分配到各个处理组中，观察处理效应。 采用单因素方差分析，在分析时应该考虑数据的正态性、方差齐性等问题。如果不满足这些条件，应当进行变量变换或采用非参数方法来检验。 如果结果分析显示该因素有统计学意义，可根据相关研究的检索结果，选择适宜方法进行多重比较。 第四页，共十三页，2022年，8月28日 二随机区组设计（Randomized Block Design) 亦称配伍设计，或双因素交叉分组无重复试验设计。 分为两种情况： 1 对同一受试对象在同一处理不同水平间的比较； 2 将几个受试对象按一定条件划分为随机单位组，再将每一单位组的各受试者随机分配到各个处理组中去。每个单位组的重复数等于处理数。 第五页，共十三页，2022年，8月28日 二随机区组设计（Randomized Block Design) 用于配伍的因素应当是影响试验效应的主要非处理因素，如动物试验中将窝别、性别相同、体重相近的两个动物配成对子（单位组），提高各处理组间的均衡性。 随机单位组设计试验资料的分析方法是两因素方差分析，对于单元格内无重复数据，交互作用和方差齐性无法考察。 第六页，共十三页，2022年，8月28日 三 交叉设计（Cross-over Design） 是一种特殊的自身对照设计。它克服了试验前后由于各种非试验因素对试验结果的影响所造成的偏移。 交叉试验设计的数据可以采用方差分析方法进行，所观察到的数据的变异有以下几个来源：处理效应、阶段效应、顺序效应和个体差异。其中，处理效应是希望研究的，而顺序效应则在目前常用的统计分析中忽略不计，因为是交叉设计能够实施的前提条件，试验时应该保证足够长的时间间隔期。 第七页，共十三页，2022年，8月28日 四 析因设计 当一种因素的质和量改变时，另一种现象的质和量也随之改变，几个因素间存在交互作用时，采用析因设计。 k*k的析因设计试验，可以检验因素各水平之间的差异有无统计学意义，同时可以检验交互作用。 如果因素的交互作用显著，则各因素的主效应检验结果无实际意义，应当按各因素的各种水平组合来研究。 第八页，共十三页，2022年，8月28日 五 拉丁方设计（Latin Square Design ） 如果试验中涉及三个因素（一般为一个试验因素，两个区组因素），且如果各个因素间无交互作用且水平数相等，则可以采用拉丁方设计。 将三个因素按水平数r排成一个r*r的随机方阵，在同一行或同一列中任何一个因素的水平均无重复。 第九页，共十三页，2022年，8月28日 六 正交设计（Orthogonal Design） 试验涉及三个或三个以上因素，且因素间可能存在交互作用时，使用正交表设计试验，将各试验因素、各水平之间的组合进行均匀搭配，从而可以用较少的、有代表性的处理组合数，提供充分有用的信息。 正交设计是可以分析主效应和交互作用的多因素试验设计方法。 第十页，共十三页，2022年，8月28日