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 3k 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 A 与温度 B 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=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,…。“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=1291、−229+583=354 和 229−2(479)+583=−146。第(2)列由第(1)列用同样方法求得。一般的 3k 设计要计算 k 列。
“效应”列由左侧处理组合的编码转换得到。例如,10 表示 A 的线性效应 AL;11 表示 AB 交互作用中的 ALBL 分量。除数按 2r3tn 计算,其中 r 是该效应涉及的因子数,t 是试验因子总数减去该效应中线性分量的个数,n 是重复次数。例如 BL 的除数为 2131×4=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 |
|---|
| 00 | 539 | 1738 | 3799 | — | — | — |
| 10 | 623 | 1291 | 503 | AL | 24 | 10542.04 |
| 20 | 576 | 770 | −101 | AQ | 72 | 141.68 |
| 01 | 229 | 37 | −968 | BL | 24 | 39042.67 |
| 11 | 479 | 354 | 75 | ALBL | 16 | 351.56 |
| 21 | 583 | 112 | 307 | AQBL | 48 | 1963.52 |
| 02 | 230 | −131 | −74 | BQ | 72 | 76.06 |
| 12 | 198 | −146 | −559 | ALBQ | 48 | 6510.02 |
| 22 | 342 | 176 | 337 | AQBQ | 144 | 788.67 |
若 A、B 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 A 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 | F0 | P 值 |
|---|
| A=AL+AQ | 10683.72 | 2 | 5341.86 | 7.91 | 0.0020 |
| B,温度 | 39118.72 | 2 | 19559.36 | 28.97 | <0.0001 |
| BL | (39042.67) | (1) | 39042.67 | 57.82 | <0.0001 |
| BQ | (76.06) | (1) | 76.06 | 0.12 | 0.7314 |
| AB | 9613.78 | 4 | 2403.44 | 3.576 | 0.0186 |
| A×BL | (2315.08) | (2) | 1157.54 | 1.71 | 0.1999 |
| A×BQ | (7298.70) | (2) | 3649.35 | 5.41 | 0.0106 |
| 误差 | 18230.75 | 27 | 675.21 | — | — |
| 总计 | 77646.97 | 35 | — | — | — |
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, 其中 y 为 n×1 响应向量,X1 为按拟合模型展开的 n×p1 设计矩阵,β1 为 p1×1 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. 这里 X2 为 n×p2 矩阵,β2 为相应参数。于是
E(β^1)=β1+(X1′X1)−1X1′X2β2=β1+Aβ2. A=(X1′X1)−1X1′X2 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. 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,则由各处理组合构造 X1 和 X2,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:

计算结果为[3]
A=⎣⎡01000000100002/30000⎦⎤, 其行依次对应 β0,β1,β2,β12,β11,β22,列依次对应 β111,β222,β122。因此 E(β^1)=β1+β111+(2/3)β122,E(β^2)=β2+β222;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
| x1 | x2 | x3 | x4 | x5 |
|---|
| −1 | 1 | 1 | −1 | −1 |
| 1 | −1 | −1 | 1 | −1 |
| −1 | −1 | 1 | 1 | 0 |
| 1 | 1 | −1 | −1 | 0 |
| −1 | 1 | −1 | 1 | 0 |
| 1 | −1 | 1 | −1 | 0 |
| −1 | −1 | −1 | −1 | 1 |
| 1 | 1 | 1 | 1 | 1 |
分辨度 III 设计通常先拟合主效应模型
y=β0+i=1∑5βixi+β55(x52−x52)+ε. 其中 β5x5 与 β55(x52−x52) 分别表示三水平因子 x5 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)。应用上述方法得
A=⎣⎡0000010001/21/200000001/200⎦⎤. 行依次对应 β0,β1,β2,β3,β4,β5,β55,列依次对应 β12,β15,β155。于是
E(β^2)E(β^4)=β2+21β15,=β4+21β155,E(β^3)E(β^5)=β3+21β15,=β5+β12. β^0,β^1,β^55 没有这些遗漏项造成的偏倚。也就是说,x1 与 x5 交互作用的线性分量分别与 x2,x3 的主效应混杂[3],二次分量与 x4 的主效应混杂;x1x2 与 x5 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 bk 因子设计中(本章主要取 b=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−1 个自由度。这是因为该列包含 0,1,…,b−1 共 b 个水平。例如,平衡的 23 设计有 A,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,AB2 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)
| A | B | AB=A+B | AB2=A+2B | 处理组合 | 观测值 |
|---|
| 0 | 0 | 0 | 0 | 00 | −2,−1 |
| 0 | 1 | 1 | 2 | 01 | −3,0 |
| 0 | 2 | 2 | 1 | 02 | 2,3 |
| 1 | 0 | 1 | 1 | 10 | 0,2 |
| 1 | 1 | 2 | 0 | 11 | 1,3 |
| 1 | 2 | 0 | 2 | 12 | 4,6 |
| 2 | 0 | 2 | 2 | 20 | −1,0 |
| 2 | 1 | 0 | 1 | 21 | 5,6 |
| 2 | 2 | 1 | 0 | 22 | 0,−1 |
A、B 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+2B 模 3 得到。将 A×B 交互作用按 AB、AB2 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;相应的线性对比系数也是 −1,+1。若用模 2 运算表示水平,则编码为 0,1。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)′. 二者内积为零,故相互正交。
三水平设计的 A×B 交互作用有 2×2=4 个自由度,可以分为两个各占 2 个自由度的正交分量 AB 与 AB2。与此不同,二水平设计中的 A×B 交互作用只占 1 个自由度,通常直接记为 AB。因此,三水平设计里的 AB 只是整个 A×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×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,AB4 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×B 的 9 个自由度不能按模 4 加法正交拆成 AB,AB2,AB3 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 b 为素数,平衡 bk 因子设计共有
b−1bk−1=j=0∑k−1bj 个正交效应(或列),每列占 b−1 个自由度。设计矩阵中只有 k 个主因子列可直接规定,其余列由对比函数和模 b 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. 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,AB4 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);三水平的 ξ(AB2C)=x1+2x2+x3(mod3);五水平的 ξ(AB3)=x1+3x2(mod5)。它们的结果分别只可能是 0,1;0,1,2;以及 0,1,2,3,4。
教材表 9.1 数据的 33 设计矩阵见表 5。前三列为 A,B,C,其余十列均由 ξ=a1x1+a2x2+a3x3(mod3) 构造,系数按相应效应选择。例如 ABC2 列取 ξ=x1+x2+2x3;该列第 20 行为 2+0+2(1)≡1(mod3)。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×C 的平方和为例。按表 5 的 AC2 列,将响应分为三个水平组,总和分别是 (AC2)0=−100、(AC2)1=342、(AC2)2=−77,总响应和为 165。因此
SS(AC2)=18(−100)2+3422+(−77)2−541652=6878.7778. 类似地,按 AC 列得到三个组总和 −1,141,25,于是
SS(AC)=18(−1)2+1412+252−541652=635.1111. 直接用表 6 的 A×C 交叉分类结果,减去 A、C 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)=7513.8889。这恰等于 SS(AC)+SS(AC2),验证了上述正交分解。
表 6 A×C 交互作用各组合的响应合计
| 因子 A | C=10 psi | C=20 psi | C=30 psi |
|---|
| 类型 1 | −190 | 339 | 6 |
| 类型 2 | −58 | 230 | −205 |
| 类型 3 | −211 | 394 | −140 |
同样,利用表 5 的 ABC2 列,三个组总和分别为 138、4、23,得到
SS(ABC2)=181382+42+232−541652=584.1111. 另外三个分量分别为 SS(ABC)=18.7778、SS(AB2C)=221.7778、SS(AB2C2)=3804.1111。四项之和为 4628.7778。由模型平方和扣除 A,B,C 三个主效应和 A×B,A×C,B×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. 这说明 ABC,AB2C,ABC2,AB2C2 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。