一次回归正交设计二次回归正交设计二次回归旋转设计.docx
《一次回归正交设计二次回归正交设计二次回归旋转设计.docx》由会员分享，可在线阅读，更多相关《一次回归正交设计二次回归正交设计二次回归旋转设计.docx（11页珍藏版）》请在冰豆网上搜索。
一次回归正交设计二次回归正交设计二次回归旋转设计
一次回归正交设计
某产品的产量与时间、温度、压力和溶液浓度有关。
实际生产中，时间控制在30~40min，温度控制在50~600C，压力控制在2*105~6*105Pa，溶液浓度控制在20%~40%，考察Z1~Z2的一级交互作用。
因素编码
Zj（xj）
Z1/min
Z2/oC
Z3/*105Pa
Z4/%
下水平Z1j（-1）
30
50
2
20
上水平Z2j（+1）
40
60
6
40
零水平Z0j（0）
35
55
4
30
变化间距
5
5
2
10
编码公式
X1=（Z1-35）/5
X2=（Z2-55）/5
X3=（Z3-4）/2
X4=（Z4-30）/10
选择L8（27）正交表
因素x1,x1,x3,x4依次安排在第1、2、4、7列，交互项安排在第3列。
试验号
X0
X1（Z1）
X2（Z2）
X3（Z3）
X4（Z4）
X1X2
Yi
1
1
1
1
1
1
1
2
1
1
1
-1
-1
1
3
1
1
-1
1
-1
-1
4
1
1
-1
-1
1
-1
5
1
-1
1
1
-1
-1
6
1
-1
1
-1
1
-1
7
1
-1
-1
1
1
1
8
1
-1
-1
-1
-1
1
9
1
0
0
0
0
0
10
1
0
0
0
0
0
11
1
0
0
0
0
0
Bj=∑xjy
aj=∑xj2
11
8
8
8
8
8
bj=Bj/aj
Qj=Bj2/aj
393
可建立如下的回归方程。
Y=+++x3+
显著性检验：
1、回归系数检验
回归关系的方差分析表
变异来源
SS平方和
Df自由度
MS均方
F
显著水平
x1
1
x2
1
x3
1
x4
1
x1x2
1
回归
5
剩余
5
失拟
3
<1
误差e
2
总和
10
经F检验不显著的因素或交互作用直接从回归方程中剔掉，不必再重新进行回归分析。
2、回归方程的检验
进行此项检验时，通常对F值小于等于1的项不进行检验，直接从回归方程中剔除，对经检验而α>的项，根据实际需要决定是否剔除。
3、失拟检验
由回归系数的检验，回归方程的检验，失拟检验可以得出，
产量y与各因素之间的总回归关系达到显著，回归方程拟合效果较好。
回归方程的变换
将各因素的编码公式代入，得
Y=++++二次回归正交设计
某食品加香试验，3个因素，即Z1（香精用量）、Z2（着香时间）、Z2（着香温度）
（1）确定γ值、mc及m0。
根据本试验目的和要求，确定mc＝2m＝23＝8，m0＝1，查表得γ＝。
（2）确定因素的上、下水平，变化间距以及对因子进行编码
编码
Z1/（mL／kg物料）
Z2 / h
Z3 / ℃
+γ
18
24
48
+ 1
0
12
16
35
- 1
-γ
6
8
22
Δi
计算各因素的零水平：
Z01＝（18＋6）/2＝12（mL/kg）
Z02＝（24＋8）/2＝16（h）
Z03＝（48＋22）/2＝35（℃）
计算各因素的变化间距：
Δ01＝（18-12）/＝（mL/kg）
Δ02＝（24-16）/＝（h）
Δ03＝（48-35）/＝（℃）
（3）列出试验设计及试验方案
试验号
试 验 设 计
实 施 方 案
x0
x1
x2
香精用量／（mL／kg）
着香时间／h
着香温度/ ℃
1
1
1
1
2
1
1
-1
3
1
-1
1
4
1
-1
-1
5
-1
1
1
6
-1
1
-1
7
-1
-1
1
8
-1
-1
-1
9
0
0
18
16
35
10
0
0
6
16
35
11
0
0
12
24
35
12
0
0
12
8
35
13
0
0
12
16
48
14
0
0
12
16
22
15
0
0
0
12
16
35
试验结果的统计分析
建立回归方程
回归关系的显著性测验。
变异来源
平方和（SS）
自由度（df）
均方（MS）
F
显著程度
x1
1
＜1
ns
x2
1
*
x3
1
*
x1x2
1
*
x1x3
1
*
x2x3
1
x12
1
**
x22
1
＜1
ns
x32
1
回归
9
*
剩余
5
总变异
14
方差分析表明，总回归达到显著水平，说明本食品的加香试验与所选因素之间存在显著的回归关系，试验设计方案是正确的，选用二次正交回归组合设计也是恰当的。
除x1和x22以外，其余各项因子基本达到显著或极显著，说明香料用量、着香时间、着香温度与这一食品的加香有显著或极显著关系。
本试验设计的因素、水平选择是成功的。
在这种回归正交试验中，第一次方差分析往往因为误差（剩余）自由度偏小而影响了检验的精确度。
并且由于回归正交试验计划具有的正交性，保证了试验因素的列与列之间没有互作（即没有相关性）存在，因此我们可以将未达到以上显著水平的因素（或者互作）剔除，将其平方和和自由度并入误差（剩余）项，进行第二次方差分析，以提高检验的精确度。
第二次方差分析结果见下表：
变异来源
平方和（SS）
自由度（df）
均方（MS）
F
显著程度
x2
1
*
（）
x3
1
**
（）
x1x2
1
*
x1x3
1
*
（）
x2x3
1
*
（）
x12
1
**
（）
x32
1
*
（）
回归
7
**
（）
剩余
7
总变异
14
第二次方差分析表明，总回归及各项因素均达到显著或极显著水平，说明这一食品加香与试验因素之间存在极显著的回归关系，其优化的回归方程为：
本试验由于m0＝1，故不能进行失拟检验，这是试验的一个缺陷。
如果取m0＝4，对试验进行失拟检验，则本试验将更为圆满。
二次回归旋转设计
对乳酸发酵的产酸条件进行优化试验，采用二次回归旋转设计对盐浓度、糖浓度、发酵温度和发酵时间进行试验。
因素水平表
编码
盐浓度 x1
糖浓度 x2
发酵温度 x3
发酵时间 x4
/%
/%
/℃
/h
+2
48
+1
44
0
40
-1
36
-2
设计方案及结果
处理号
x1
x2
x3
x4
含酸量 yα / %
1
1
1
1
1
2
1
1
1
-1
3
1
1
-1
1
4
1
1
-1
-1
5
1
-1
1
1
6
1
-1
1
-1
7
1
-1
-1
1
8
1
-1
-1
-1
9
-1
1
1
1
10
-1
1
1
-1
11
-1
1
-1
1
12
-1
1
-1
-1
13
-1
-1
1
1
14
-1
-1
1
-1
15
-1
-1
-1
1
处理号
x1
x2
x3
x4
含酸量 yα / %
16
-1
-1
-1
-1
17
2
0
0
0
18
-2
0
0
0
19
0
2
0
0
20
0
-2
0
0
21
0
0
2
0
22
0
0
-2
0
23
0
0
0
2
24
0
0
0
-2
25
0
0
0
0
26
0
0
0
0
27
0
0
0
0
28
0
0
0
0
29
0
0
0
0
30
0
0
0
0
31
0
0
0
0
根据计算
建立回归方程
回归方程的显著性检验
变异原因
平方和SS
自由度df
均方MS
F值
显著程度
x1
1
x2
1
x3
1
x4
1
x1 x2
1
x1 x3
1
＜1
x1 x4
1
＜1
x2 x3
1
＜1
x2 x4
1
x3 x4
1
＜1
x1′
1
x2′
1
x3′
1
x4′
1
回归
剩余
误差
失拟
总变异
通过回归方程检验，回归系数检验，失拟检验，可以看出，回归达到极显著水平。
说明本试验设计及分析效果都很好，各因素间显著与不显著也很分明。
因此没有必要做二次回归方差分析，可直接将F＜1的回归系数去掉而得到含酸量与各因素间的回归方程为：
升级会员 