Skip to article frontmatterSkip to article content
Site not loading correctly?

This may be due to an incorrect BASE_URL configuration. See the MyST Documentation for reference.

第 9 章补充材料

S9.1 三水平因子设计的 Yates 算法

现在分析因子设计及其分式设计几乎总是使用计算机。不过,Yates 算法也可以改造后用于 3k3^k 因子设计。这里用例 5.1 的数据说明。原始数据见表 5.1:材料类型 AA 与温度 BB 各有三个水平,研究它们对电池寿命的影响,每个处理组合重复 n=4n=4 次。

表 1 按标准顺序列出处理组合:逐个引入因子,将新因子的每个水平依次与此前全部水平组合配对。例如,33 设计的顺序为 000,100,200,010,110,210,020,120,220,001,…000,100,200,010,110,210,020,120,220,001,\ldots。“响应”列是相应处理组合下四次观测的总和。

计算第(1)列时,对“响应”列连续三个数为一组:每组的三数之和放入第一个三分之一;第三个数减第一个数所得的线性分量放入第二个三分之一;第一个数加第三个数、再减去第二个数的两倍所得的二次分量放入最后一个三分之一。例如,第(1)列第 2、5、8 项分别为 229+479+583=1291229+479+583=1291、−229+583=354-229+583=354 和 229−2(479)+583=−146229-2(479)+583=-146。第(2)列由第(1)列用同样方法求得。一般的 3k3^k 设计要计算 kk 列。

“效应”列由左侧处理组合的编码转换得到。例如,10 表示 AA 的线性效应 ALA_L;11 表示 ABAB 交互作用中的 ALBLA_LB_L 分量。除数按 2r3tn2^r3^tn 计算,其中 rr 是该效应涉及的因子数,tt 是试验因子总数减去该效应中线性分量的个数,nn 是重复次数。例如 BLB_L 的除数为 2131×4=242^1 3^1\times4=24。把第(2)列中的相应元素平方再除以除数,即得效应平方和。

表 1 例 5.1 中 32 设计的 Yates 算法[1]

处理组合响应合计(1)(2)效应除数平方和
0053917383799———
106231291503ALA_L2410542.04
20576770−101AQA_Q72141.68
0122937−968BLB_L2439042.67
1147935475ALBLA_LB_L16351.56
21583112307AQBLA_QB_L481963.52
02230−131−74BQB_Q7276.06
12198−146−559ALBQA_LB_Q486510.02
22342176337AQBQA_QB_Q144788.67

若 AA、BB 都是定量因子,“平方和”列便给出了方差分析所需的各分量。但本例的材料类型 AA 是定性因子,因此将它拆成线性与二次分量并无实际解释意义。总平方和由各个原始观测计算,误差平方和用差减法求得。分析结果见表 2,与例 5.1 的常规方差分析结果基本一致。

表 2 例 5.1 的 32 设计方差分析[2]

变异来源平方和自由度均方F0F_0PP 值
A=AL+AQA=A_L+A_Q10683.7225341.867.910.0020
BB,温度39118.72219559.3628.97<0.0001
BLB_L(39042.67)(1)39042.6757.82<0.0001
BQB_Q(76.06)(1)76.060.120.7314
ABAB9613.7842403.443.5760.0186
A×BLA\times B_L(2315.08)(2)1157.541.710.1999
A×BQA\times B_Q(7298.70)(2)3649.355.410.0106
误差18230.7527675.21——
总计77646.9735———

S9.2 三水平与混合水平设计的别名关系

第 8 章介绍过求分式因子设计别名关系的一般方法。对于三水平或混合水平设计,可以使用模型的多项式(回归)表示。设拟合模型为

y=X1β1+ε,β^1=(X1′X1)−1X1′y,\mathbf y=\mathbf X_1\boldsymbol\beta_1+\boldsymbol\varepsilon, \qquad \hat{\boldsymbol\beta}_1=(\mathbf X_1'\mathbf X_1)^{-1}\mathbf X_1'\mathbf y,

其中 y\mathbf y 为 n×1n\times1 响应向量,X1\mathbf X_1 为按拟合模型展开的 n×p1n\times p_1 设计矩阵,β1\boldsymbol\beta_1 为 p1×1p_1\times1 参数向量。假设真实模型还包含拟合模型之外的项:

y=X1β1+X2β2+ε.\mathbf y=\mathbf X_1\boldsymbol\beta_1+\mathbf X_2\boldsymbol\beta_2+\boldsymbol\varepsilon.

这里 X2\mathbf X_2 为 n×p2n\times p_2 矩阵,β2\boldsymbol\beta_2 为相应参数。于是

E(β^1)=β1+(X1′X1)−1X1′X2β2=β1+Aβ2.E(\hat{\boldsymbol\beta}_1) =\boldsymbol\beta_1+(\mathbf X_1'\mathbf X_1)^{-1}\mathbf X_1'\mathbf X_2\boldsymbol\beta_2 =\boldsymbol\beta_1+\mathbf A\boldsymbol\beta_2.

A=(X1′X1)−1X1′X2\mathbf A=(\mathbf X_1'\mathbf X_1)^{-1}\mathbf X_1'\mathbf X_2 称为别名矩阵;它的元素说明拟合模型的各参数与遗漏项如何混杂。下面给出两个例子。

例 1 三水平设计的二次拟合模型

对一个 32 设计,拟合完整二次模型

y=β0+β1x1+β2x2+β12x1x2+β11(x12−x12‾)+β22(x22−x22‾)+ε.y=\beta_0+\beta_1x_1+\beta_2x_2+\beta_{12}x_1x_2 +\beta_{11}(x_1^2-\overline{x_1^2}) +\beta_{22}(x_2^2-\overline{x_2^2})+\varepsilon.

减去平方项的均值,是为了使这两项与截距正交。若真实模型另外包含 β111x13+β222x23+β122x1x22\beta_{111}x_1^3+\beta_{222}x_2^3+\beta_{122}x_1x_2^2,则由各处理组合构造 X1\mathbf X_1 和 X2\mathbf X_2,再计算别名矩阵。原补充材料中间矩阵较长,保留原页以便核对:

例 1 的设计矩阵与乘积矩阵

计算结果为[3]

A=[000102/3010000000000],\mathbf A= \begin{bmatrix} 0&0&0\\ 1&0&2/3\\ 0&1&0\\ 0&0&0\\ 0&0&0\\ 0&0&0 \end{bmatrix},

其行依次对应 β0,β1,β2,β12,β11,β22\beta_0,\beta_1,\beta_2,\beta_{12},\beta_{11},\beta_{22},列依次对应 β111,β222,β122\beta_{111},\beta_{222},\beta_{122}。因此 E(β^1)=β1+β111+(2/3)β122E(\hat\beta_1)=\beta_1+\beta_{111}+(2/3)\beta_{122},E(β^2)=β2+β222E(\hat\beta_2)=\beta_2+\beta_{222};其余四个估计量的期望等于相应的原参数。

例 2 混合水平分式因子设计

考虑教材表 9.10 中的混合水平设计,它容纳四个二水平因子和一个三水平因子。相应的分辨度 III 分式见表 3。

表 3 混合水平分辨度 III 分式因子设计

x1x_1x2x_2x3x_3x4x_4x5x_5
−111−1−1
1−1−11−1
−1−1110
11−1−10
−11−110
1−11−10
−1−1−1−11
11111

分辨度 III 设计通常先拟合主效应模型

y=β0+∑i=15βixi+β55(x52−x52‾)+ε.y=\beta_0+\sum_{i=1}^{5}\beta_i x_i +\beta_{55}(x_5^2-\overline{x_5^2})+\varepsilon.

其中 β5x5\beta_5x_5 与 β55(x52−x52‾)\beta_{55}(x_5^2-\overline{x_5^2}) 分别表示三水平因子 x5x_5 的线性与二次效应;二次项已与截距正交。现在假定真实模型还包含 β12x1x2+β15x1x5+β155x1(x52−x52‾)\beta_{12}x_1x_2+\beta_{15}x_1x_5+\beta_{155}x_1(x_5^2-\overline{x_5^2})。应用上述方法得

A=[00000001/2001/20001/2100000].\mathbf A= \begin{bmatrix} 0&0&0\\ 0&0&0\\ 0&1/2&0\\ 0&1/2&0\\ 0&0&1/2\\ 1&0&0\\ 0&0&0 \end{bmatrix}.

行依次对应 β0,β1,β2,β3,β4,β5,β55\beta_0,\beta_1,\beta_2,\beta_3,\beta_4,\beta_5,\beta_{55},列依次对应 β12,β15,β155\beta_{12},\beta_{15},\beta_{155}。于是

E(β^2)=β2+12β15,E(β^3)=β3+12β15,E(β^4)=β4+12β155,E(β^5)=β5+β12.\begin{aligned} E(\hat\beta_2)&=\beta_2+\tfrac12\beta_{15},& E(\hat\beta_3)&=\beta_3+\tfrac12\beta_{15},\\ E(\hat\beta_4)&=\beta_4+\tfrac12\beta_{155},& E(\hat\beta_5)&=\beta_5+\beta_{12}. \end{aligned}

β^0,β^1,β^55\hat\beta_0,\hat\beta_1,\hat\beta_{55} 没有这些遗漏项造成的偏倚。也就是说,x1x_1 与 x5x_5 交互作用的线性分量分别与 x2,x3x_2,x_3 的主效应混杂[3],二次分量与 x4x_4 的主效应混杂;x1x2x_1x_2 与 x5x_5 的线性主效应混杂。

S9.3 三水平设计平方和分解的进一步讨论

本节材料由奥本大学的 Saeed Maghsoodloo 教授提出并整理;作者在原文中向他致谢。

在平衡的 bkb^k 因子设计中(本章主要取 b=3b=3),可以把一个效应定义为恰好占据设计矩阵的一列,因此它恰有 b−1b-1 个自由度。这是因为该列包含 0,1,…,b−10,1,\ldots,b-1 共 bb 个水平。例如,平衡的 23 设计有 A,B,C,AB,AC,BC,ABCA,B,C,AB,AC,BC,ABC 七个效应,每个效应占一列、具有 1 个自由度(参见表 6.3)。等间距的平衡 32 设计则有 A,B,AB,AB2A,B,AB,AB^2 四个效应,每个具有 2 个自由度。表 9.4 中,九个因子水平组合共提供 8 个用于研究正交效应的自由度,恰好分给这四列。

表 4 与教材表 9.4 对应的设计矩阵(模 3 运算)

AABBAB=A+BAB=A+BAB2=A+2BAB^2=A+2B处理组合观测值
000000−2,−1
011201−3,0
0221022,3
1011100,2
1120111,3
1202124,6
202220−1,0
2101215,6
2210220,−1

AA、BB 两列可以先按规定的水平顺序写出;第三列由前两列之和模 3 得到,第四列由 A+2BA+2B 模 3 得到。将 A×BA\times B 交互作用按 ABAB、AB2AB^2 正交分解,适用于定性因子,或水平等间距的定量因子。若三水平定量因子的水平间距不等,且不能通过变换使其等间距,就不能按这种方式作正交分解。

在二水平设计中,定量因子的低、高水平常编码为 −1,+1-1,+1;相应的线性对比系数也是 −1,+1-1,+1。若用模 2 运算表示水平,则编码为 0,10,1。定性因子的两种水平中哪一种编为 0,可以任意选择。在三水平设计中,定量因子可同时研究线性与二次效应。平衡三水平设计的线性、二次对比向量分别为

L3=(−1,0,1)′,Q3=(1,−2,1)′.\mathbf L_3=(-1,0,1)',\qquad \mathbf Q_3=(1,-2,1)'.

二者内积为零,故相互正交。

三水平设计的 A×BA\times B 交互作用有 2×2=42\times2=4 个自由度,可以分为两个各占 2 个自由度的正交分量 ABAB 与 AB2AB^2。与此不同,二水平设计中的 A×BA\times B 交互作用只占 1 个自由度,通常直接记为 ABAB。因此,三水平设计里的 ABAB 只是整个 A×BA\times B 交互作用的一部分。这个构造可推广到水平数为素数的设计。例如,五水平设计的 A×BA\times B 有 16 个自由度;若各因子为定性或等间距定量因子,它可以分解成 AB,AB2,AB3,AB4AB,AB^2,AB^3,AB^4 四个正交分量,每个占 4 个自由度。计算时分别使用模 3、模 5 运算和对应的对比函数。

当水平数不是素数(例如 4 或 6)时,不能直接照搬上述模素数分解。例如,四水平设计中 A×BA\times B 的 9 个自由度不能按模 4 加法正交拆成 AB,AB2,AB3AB,AB^2,AB^3 各 3 个自由度;相应列并不构成正交的加性分解。要在这类设计中安排区组混杂或构造分式设计,需要采用伪因子等方法。

一般地,若 bb 为素数,平衡 bkb^k 因子设计共有

bk−1b−1=∑j=0k−1bj\frac{b^k-1}{b-1}=\sum_{j=0}^{k-1}b^j

个正交效应(或列),每列占 b−1b-1 个自由度。设计矩阵中只有 kk 个主因子列可直接规定,其余列由对比函数和模 bb 运算构造。例如,25 设计有 31 个一自由度的效应;33 设计有 13 个二自由度的效应:

A,B,C,AB,AB2,AC,AC2,BC,BC2,ABC,AB2C,ABC2,AB2C2.A,B,C,AB,AB^2,AC,AC^2,BC,BC^2, ABC,AB^2C,ABC^2,AB^2C^2.

该设计有 27 个不同的因子水平组合,却只有这 13 个正交效应列。类似地,52 设计有 25 个组合、24 个可用于模型效应的自由度,分为 A,B,AB,AB2,AB3,AB4A,B,AB,AB^2,AB^3,AB^4 六列,每列占 4 个自由度。

模运算的对比函数例如:二水平的 ξ(AB)=x1+x2(mod2)\xi(AB)=x_1+x_2\pmod 2;三水平的 ξ(AB2C)=x1+2x2+x3(mod3)\xi(AB^2C)=x_1+2x_2+x_3\pmod 3;五水平的 ξ(AB3)=x1+3x2(mod5)\xi(AB^3)=x_1+3x_2\pmod 5。它们的结果分别只可能是 0,10,1;0,1,20,1,2;以及 0,1,2,3,40,1,2,3,4。

教材表 9.1 数据的 33 设计矩阵见表 5。前三列为 A,B,CA,B,C,其余十列均由 ξ=a1x1+a2x2+a3x3(mod3)\xi=a_1x_1+a_2x_2+a_3x_3\pmod 3 构造,系数按相应效应选择。例如 ABC2ABC^2 列取 ξ=x1+x2+2x3\xi=x_1+x_2+2x_3;该列第 20 行为 2+0+2(1)≡1(mod3)2+0+2(1)\equiv1\pmod 3。原表跨两页,译表按其前三列及模 3 规则重排了全部 27 行。

表 5 例 9.1 的 33 因子设计矩阵

| A | B | C | AB | AB² | AC | AC² | BC | BC² | ABC | AB²C | ABC² | AB²C² | 响应 | | ---: || ---: || ---: || ---: || ---: || ---: || ---: || ---: || ---: || ---: || ---: || ---: || ---: || ---: | | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | -60 | | 0 | 0 | 1 | 0 | 0 | 1 | 2 | 1 | 2 | 1 | 1 | 2 | 2 | 185 | | 0 | 0 | 2 | 0 | 0 | 2 | 1 | 2 | 1 | 2 | 2 | 1 | 1 | 9 | | 0 | 1 | 0 | 1 | 2 | 0 | 0 | 1 | 1 | 1 | 2 | 1 | 2 | -105 | | 0 | 1 | 1 | 1 | 2 | 1 | 2 | 2 | 0 | 2 | 0 | 0 | 1 | 20 | | 0 | 1 | 2 | 1 | 2 | 2 | 1 | 0 | 2 | 0 | 1 | 2 | 0 | -70 | | 0 | 2 | 0 | 2 | 1 | 0 | 0 | 2 | 2 | 2 | 1 | 2 | 1 | -25 | | 0 | 2 | 1 | 2 | 1 | 1 | 2 | 0 | 1 | 0 | 2 | 1 | 0 | 134 | | 0 | 2 | 2 | 2 | 1 | 2 | 1 | 1 | 0 | 1 | 0 | 0 | 2 | 67 | | 1 | 0 | 0 | 1 | 1 | 1 | 1 | 0 | 0 | 1 | 1 | 1 | 1 | 41 | | 1 | 0 | 1 | 1 | 1 | 2 | 0 | 1 | 2 | 2 | 2 | 0 | 0 | 175 | | 1 | 0 | 2 | 1 | 1 | 0 | 2 | 2 | 1 | 0 | 0 | 2 | 2 | -28 | | 1 | 1 | 0 | 2 | 0 | 1 | 1 | 1 | 1 | 2 | 0 | 2 | 0 | -123 | | 1 | 1 | 1 | 2 | 0 | 2 | 0 | 2 | 0 | 0 | 1 | 1 | 2 | -99 | | 1 | 1 | 2 | 2 | 0 | 0 | 2 | 0 | 2 | 1 | 2 | 0 | 1 | -126 | | 1 | 2 | 0 | 0 | 2 | 1 | 1 | 2 | 2 | 0 | 2 | 0 | 2 | 24 | | 1 | 2 | 1 | 0 | 2 | 2 | 0 | 0 | 1 | 1 | 0 | 2 | 1 | 154 | | 1 | 2 | 2 | 0 | 2 | 0 | 2 | 1 | 0 | 2 | 1 | 1 | 0 | -51 | | 2 | 0 | 0 | 2 | 2 | 2 | 2 | 0 | 0 | 2 | 2 | 2 | 2 | -74 | | 2 | 0 | 1 | 2 | 2 | 0 | 1 | 1 | 2 | 0 | 0 | 1 | 1 | 203 | | 2 | 0 | 2 | 2 | 2 | 1 | 0 | 2 | 1 | 1 | 1 | 0 | 0 | -85 | | 2 | 1 | 0 | 0 | 1 | 2 | 2 | 1 | 1 | 0 | 1 | 0 | 1 | -122 | | 2 | 1 | 1 | 0 | 1 | 0 | 1 | 2 | 0 | 1 | 2 | 2 | 0 | -54 | | 2 | 1 | 2 | 0 | 1 | 1 | 0 | 0 | 2 | 2 | 0 | 1 | 2 | -113 | | 2 | 2 | 0 | 1 | 0 | 2 | 2 | 2 | 2 | 1 | 0 | 1 | 0 | -15 | | 2 | 2 | 1 | 1 | 0 | 0 | 1 | 0 | 1 | 2 | 1 | 0 | 2 | 245 | | 2 | 2 | 2 | 1 | 0 | 1 | 0 | 1 | 0 | 0 | 2 | 2 | 1 | 58 |

以 A×CA\times C 的平方和为例。按表 5 的 AC2AC^2 列,将响应分为三个水平组,总和分别是 (AC2)0=−100(AC^2)_0=-100、(AC2)1=342(AC^2)_1=342、(AC2)2=−77(AC^2)_2=-77,总响应和为 165。因此

SS(AC2)=(−100)2+3422+(−77)218−165254=6878.7778.SS(AC^2)=\frac{(-100)^2+342^2+(-77)^2}{18}-\frac{165^2}{54}=6878.7778.

类似地,按 ACAC 列得到三个组总和 −1,141,25-1,141,25,于是

SS(AC)=(−1)2+1412+25218−165254=635.1111.SS(AC)=\frac{(-1)^2+141^2+25^2}{18}-\frac{165^2}{54}=635.1111.

直接用表 6 的 A×CA\times C 交叉分类结果,减去 AA、CC 的主效应平方和[4],也可算出四自由度交互作用的平方和 SS(A×C)=7513.8889SS(A\times C)=7513.8889。这恰等于 SS(AC)+SS(AC2)SS(AC)+SS(AC^2),验证了上述正交分解。

表 6 A×CA\times C 交互作用各组合的响应合计

因子 AAC=10C=10 psiC=20C=20 psiC=30C=30 psi
类型 1−1903396
类型 2−58230−205
类型 3−211394−140

同样,利用表 5 的 ABC2ABC^2 列,三个组总和分别为 138、4、23,得到

SS(ABC2)=1382+42+23218−165254=584.1111.SS(ABC^2)=\frac{138^2+4^2+23^2}{18}-\frac{165^2}{54}=584.1111.

另外三个分量分别为 SS(ABC)=18.7778SS(ABC)=18.7778、SS(AB2C)=221.7778SS(AB^2C)=221.7778、SS(AB2C2)=3804.1111SS(AB^2C^2)=3804.1111。四项之和为 4628.7778。由模型平方和扣除 A,B,CA,B,C 三个主效应和 A×B,A×C,B×CA\times B,A\times C,B\times C 三个二因子交互作用的平方和,也得到

SS(A×B×C)=162587.3333−993.7778−61190.3333−69105.3333−6300.8889−7513.8889−12854.3333=4628.7778.\begin{aligned} SS(A\times B\times C) &=162587.3333-993.7778-61190.3333-69105.3333\\ &\quad-6300.8889-7513.8889-12854.3333\\ &=4628.7778. \end{aligned}

这说明 ABC,AB2C,ABC2,AB2C2ABC,AB^2C,ABC^2,AB^2C^2 是三因子交互作用的四个正交分量。[5]完整方差分析见教材表 9.2。

Footnotes
  1. 译者注:原 PDF 的表 1 将 BQB_Q 平方和印成 76.96;按 (−74)2/72(-74)^2/72 应为 76.06,也与表 2 的温度平方和一致,译表据此修正。

  2. 译者注:原表 2 中 BB 的均方印为 19558.36,按 39118.72/239118.72/2 应为 19559.36;A×BQA\times B_Q 的均方印为 3649.75,按 7298.70/27298.70/2 应为 3649.35。译表据计算修正;个别分量的末位与表 1 相差 0.01,属于四舍五入差异。

  3. 译者注:原文将线性与二次交互作用分量和 x2,x3,x4x_2,x_3,x_4 主效应的混杂关系合并表述;上面的别名矩阵给出了各项的具体对应关系。

  4. 译者注:原文在 A×CA\times C 的差减公式中,把应扣除的 SS(C)=69105.3333SS(C)=69105.3333 标作 SS(B)SS(B);后文又给出 SS(B)=61190.3333SS(B)=61190.3333。译文按数值与因子对应关系修正。

  5. 译者注:原文将 A×B×CA\times B\times C 称为“二阶交互作用”;译文按因子个数称“三因子交互作用”。部分小数末位按原式四舍五入。