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.

9.1.1 3^{k} 设计的记号与动机

# 9.1 3k3^{k} 因子设计

9.1.1 3k3^{k} 设计的记号与动机

现在讨论 3k3^{k} 因子设计,即 kk 个因子各取三个水平的因子安排。因子及交互作用用大写字母表示。我们将因子的三个水平称为低、中、高水平。水平可以用不同方式记号,其中一种是用数字 0(低)、1(中)、2(高)表示。3k3^{k} 设计中的每个处理组合用 kk 位数字表示:第一位是因子 A 的水平,第二位是因子 B 的水平,依此类推。例如,在 32 设计中,00 表示 A、B 均取低水平,01 表示 A 取低水平、B 取中水平。图 9.1、9.2 分别用这种记号表示 32 和 33 设计的几何结构。

先前的 2k2^{k} 设计也可以采用类似记号,用 0、1 代替 -1、+1。但在 2k2^{k} 设计中,我们更偏好 ±1\pm1 记号,因为它便于从几何角度理解设计,也能直接用于回归建模、区组安排和分式因子设计的构造。

在 3k3^{k} 设计中,如果因子是定量的,我们常用 −1,0,+1-1,0,+1 分别表示低、中、高水平。这有利于拟合响应与因子水平之间的回归模型。例如,对图 9.1 的 32 设计,令 x1x_1 表示因子 A,x2x_2 表示因子 B,该设计支持如下回归模型:

y=β0+β1x1+β2x2+β12x1x2+β11x12+β22x22+ϵ.(9.1)y=\beta_0+\beta_1x_1+\beta_2x_2+\beta_{12}x_1x_2+\beta_{11}x_1^2+\beta_{22}x_2^2+\epsilon.\tag{9.1}

增加第三个因子水平后,便可以用二次模型描述响应与设计因子之间的关系。

图 9.1 32 设计中的处理组合

图 9.2 33 设计中的处理组合

关注响应函数曲率的试验者当然可以选择 3k3^{k} 设计,但还应考虑两点:

  1. 对二次关系建模,3k3^{k} 设计并不是效率最高的方法;第 11 章讨论的响应面设计通常更合适。

  2. 如第 6 章所述,在 2k2^{k} 设计中加入中心点,是判断是否存在曲率的有效方法。这样既能保持设计规模和复杂度较低,又能在一定程度上防范曲率影响。如果曲率确实重要,再增加轴点试验,便可得到图 6.37 所示的中心复合设计。对定量因子而言,这种序贯试验策略比直接实施 3k3^{k} 因子设计高效得多。

9.1.2 32 设计

3k3^{k} 系列中最简单的是 32 设计,即两个因子各取三个水平;其处理组合见图 9.1。32=93^{2}=9 个处理组合之间共有 8 个自由度。A、B 的主效应各有 2 个自由度,AB 交互作用有 4 个自由度。若重复 nn 次,则总自由度为 n32−1n3^{2}-1,误差自由度为 32(n−1)3^{2}(n-1)。

A、B 和 AB 的平方和可以用第 5 章介绍的常规因子设计方法计算。若因子是定量的,则如式(9.1)所示,每个主效应可分为线性与二次两个分量,各占 1 个自由度;对定性因子,这种分解没有实际意义。

两因子交互作用 AB 可以用两种方式分解。第一种适用于 A、B 都是定量因子的情形:将 AB 分为 ABL×LAB_{L\times L}、ABL×QAB_{L\times Q}、ABQ×LAB_{Q\times L}、ABQ×QAB_{Q\times Q} 四个各占 1 个自由度的分量。按例 5.5 的方法,分别拟合 β12x1x2\beta_{12}x_1x_2、β122x1x22\beta_{122}x_1x_2^2、β112x12x2\beta_{112}x_1^2x_2、β1122x12x22\beta_{1122}x_1^2x_2^2 即可。对于刀具寿命数据,相应的平方和分别为 8.00、42.67、2.67 和 8.00。由于这是正交分解,SSAB=8.00+42.67+2.67+8.00=61.34SS_{AB}=8.00+42.67+2.67+8.00=61.34。

第二种方法基于正交拉丁方,不要求因子是定量的,通常用于因子均为定性变量的情况。考虑例 5.5 中各处理组合的总和,它们是图 9.3 方格中的圈内数字。因子 A、B 分别对应一个 3×33\times3 拉丁方的行和列。图 9.3 将两个特定的 3×33\times3 拉丁方叠加在单元格总和上。

(a)

(b)

图 9.3 例 5.5 各处理组合的总和及叠加的两个正交拉丁方

这两个拉丁方是正交的:将它们叠加后,第一个方中的每个字母与第二个方中的每个字母都恰好配对一次。在方(a)中,字母的总和为 Q=18,R=−2,S=8Q=18,R=-2,S=8,其组间平方和为

182+(−2)2+823(2)−2429(2)=33.34,\frac{18^2+(-2)^2+8^2}{3(2)}-\frac{24^2}{9(2)}=33.34,

占 2 个自由度。在方(b)中,Q=0,R=6,S=18Q=0,R=6,S=18,相应平方和为

02+62+1823(2)−2429(2)=28.00,\frac{0^2+6^2+18^2}{3(2)}-\frac{24^2}{9(2)}=28.00,

也占 2 个自由度。两部分相加得到 33.34+28.00=61.34=SSAB33.34+28.00=61.34=SS_{AB},自由度合计为 2+2=42+2=4。

通常把方(a)计算的平方和称为 AB 交互作用分量,把方(b)计算的称为 AB2AB^2 交互作用分量,两者各占 2 个自由度。这些名称来自如下模 3 关系。用 x1,x2∈{0,1,2}x_1,x_2\in\{0,1,2\} 分别表示 A、B 的水平时,两方中字母所在单元格满足:[1]

字母方(a):x1+x2x_1+x_2(模 3)方(b):x1+2x2x_1+2x_2(模 3)
Q00
R12
S21

例如,方(b)的中央格有 x1=x2=1x_1=x_2=1,故 x1+2x2=1+2=3≡0(mod3)x_1+2x_2=1+2=3\equiv0\pmod 3,该格放置 Q。对 ApBqA^pB^q 一类表达式,约定首字母的指数只能是 1;如果不是 1,就将整个表达式平方,再将指数按模 3 化简。例如

A2B=(A2B)2=A4B2=AB2.A^2B=(A^2B)^2=A^4B^2=AB^2.

AB 与 AB2AB^2 两个分量本身没有实际物理意义,通常也不列在方差分析表中。然而,将 AB 任意分成两个正交的、各占 2 个自由度的分量,有助于构造更复杂的设计。它们与 ABL×LAB_{L\times L}、ABL×QAB_{L\times Q}、ABQ×LAB_{Q\times L}、ABQ×QAB_{Q\times Q} 的平方和分解之间没有对应关系。

还可以通过对角线求和计算 AB 和 AB2AB^2。在图 9.3 任一方中,沿左上至右下方向分别求和,可得 −3+4−1=0-3+4-1=0、−3+10−1=6-3+10-1=6、5+11+2=185+11+2=18,其组间平方和为 28.00,即 AB2AB^2 分量。沿右上至左下方向求和,可得 5+4−1=85+4-1=8、−3+2−1=−2-3+2-1=-2、−3+11+10=18-3+11+10=18,其平方和为 33.34,即 AB 分量。Yates 分别称其为交互作用的 I 分量和 J 分量。以下两套记号可以互换:

I(AB)=AB2,J(AB)=AB.I(AB)=AB^2,\qquad J(AB)=AB.

有关三水平设计平方和分解的更多内容,可参见本章补充材料。

9.1.3 33 设计

现在考虑三个因子 A、B、C 各取三个水平的因子试验,即 33 设计。其试验安排与处理组合记号见图 9.2。27 个处理组合共有 26 个自由度。每个主效应占 2 个自由度,每个两因子交互作用占 4 个自由度,三因子交互作用占 8 个自由度。若重复 nn 次,总自由度为 n33−1n3^{3}-1,误差自由度为 33(n−1)3^{3}(n-1)。

平方和可用常规因子设计方法计算。若因子是定量的,每个主效应可分为线性和二次分量,各占 1 个自由度;两因子交互作用可分为“线性×线性”“线性×二次”“二次×线性”“二次×二次”四个分量。三因子交互作用 ABC 则可分为“线性×线性×线性”“线性×线性×二次”等八个各占 1 个自由度的分量,不过这种进一步分解通常用途不大。

两因子交互作用也可分成 I、J 分量,分别记为 AB,AB2,AC,AC2,BC,BC2AB,AB^2,AC,AC^2,BC,BC^2,各占 2 个自由度。与 32 设计中一样,这些分量没有直接的物理意义。

三因子交互作用 ABC 可以分成四个彼此正交、各占 2 个自由度的分量,通常称为 W、X、Y、Z 分量;它们依次也记作 AB2C2,AB2C,ABC2,ABCAB^2C^2,AB^2C,ABC^2,ABC:

W(ABC)=AB2C2,X(ABC)=AB2C,Y(ABC)=ABC2,Z(ABC)=ABC.W(ABC)=AB^2C^2,\quad X(ABC)=AB^2C,\quad Y(ABC)=ABC^2,\quad Z(ABC)=ABC.

与前述约定一致,首字母的指数只能是 1。W、X、Y、Z 与 I、J 分量一样,没有直接的实际解释,但有助于构造更复杂的设计。

例 9.1

一台机器用于向容量为 5 加仑的金属容器灌装软饮料糖浆。感兴趣的响应是起泡导致的糖浆损失量。可能影响起泡的因子有三个:喷嘴类型(A)、灌装速度(B)和操作压力(C)。分别选取三种喷嘴、三个速度和三个压力水平,进行两次 33 因子试验的重复。编码后的数据见表 9.1。

表 9.1 例 9.1 的糖浆损失数据(单位:立方厘米,数值减去 70)

压力(psi)(C)喷嘴类型(A)
123
速度(rpm)(B)
100120140100120140100120140
10-35-45-4017-6520-39-5515
-25-601524-584-35-67-30
15110-108055-5511090-28110
753054120-4444113-26135
204-4031-23-64-20-30-6154
5-3036-5-62-31-55-524

用常规方法计算各平方和,所得方差分析见表 9.2。灌装速度和操作压力在统计上显著,三个两因子交互作用也都显著。图 9.4 给出了这些两因子交互作用的图形分析。中等灌装速度表现最好;喷嘴类型 2、3,以及较低(10 psi)或较高(20 psi)的操作压力,似乎最有利于减少糖浆损失。

表 9.2 糖浆损失数据的方差分析

变异来源平方和自由度均方$F_0$P 值
A,喷嘴993.772496.891.170.3256
B,速度61,190.33230,595.1771.74< 0.0001
C,压力69,105.33234,552.6781.01< 0.0001
AB6,300.9041,575.223.690.0160
AC7,513.9041,878.474.400.0072
BC12,854.3443,213.587.530.0003
ABC4,628.768578.601.360.2580
误差11,515.5027426.50
总计174,102.8353

图 9.4 例 9.1 中的两因子交互作用

例 9.1 展示了三水平设计的一种常见用途:至少一个因子是自然具有三个水平的定性因子,其余因子是定量的。假设这里只关注三种喷嘴类型,那么喷嘴就是必须设置三个水平的定性因子;灌装速度和操作压力则是定量因子。因此,可在每种喷嘴类型下,分别针对速度和压力拟合式(9.1)那样的二次模型。

表 9.3 给出了这些二次回归模型。模型中的 β\beta 系数由标准线性回归程序估计(第 10 章将进一步讨论最小二乘回归)。变量 x1,x2x_1,x_2 采用前述 −1,0,+1-1,0,+1 编码;速度和压力的自然水平如下:

编码水平速度(rpm)压力(psi)
-110010
012015
+114020

表 9.3 例 9.1 的回归模型

喷嘴类型$x_1$ =Speed (S), $x_2$ =Pressure (P)(编码单位)
1$\hat{y} = 22.1 + 3.5x_1 + 16.3x_2 + 51.7x_1^2 - 71.8x_2^2 + 2.9x_1x_2$ $\hat{y} = 1217.3 - 31.256S + 86.017P + 0.12917S^2 - 2.8733P^2 + 0.02875SP$
2$\hat{y} = 25.6 - 22.8x_1 - 12.3x_2 + 14.1x_1^2 - 56.9x_2^2 - 0.7x_1x_2$ $\hat{y} = 180.1 - 9.475S + 66.75P + 0.035S^2 - 2.2767P^2 - 0.0075SP$
3$\hat{y} = 15.1 + 20.3x_1 + 5.9x_2 + 75.8x_1^2 - 94.9x_2^2 + 10.5x_1x_2$ $\hat{y} = 1940.1 - 46.058S + 102.48P + 0.18958S^2 - 3.7967P^2 + 0.105SP$

表 9.3 同时用编码变量与速度、压力的自然单位给出模型。图 9.5 是不同喷嘴类型下,糖浆损失量随速度和压力变化的等值线图。这些图提供了有关灌装系统表现的许多信息。由于目标是使损失最小,喷嘴类型 3 是较好的选择:最低的观测等值线(-60)只出现在它的图上。灌装速度宜接近中等水平 120 rpm,操作压力宜取低水平或高水平。

图 9.5 例 9.1 中三种喷嘴类型下,糖浆损失量(立方厘米,数值减去 70)随速度和压力变化的等值线

当试验同时包含定量与定性因子时,定量因子的响应面形状往往随定性因子的水平而变化。图 9.5 中就能看到这种迹象:与喷嘴类型 1、3 相比,喷嘴类型 2 的响应面明显更狭长。这意味着定量因子与定性因子之间存在交互作用,因此在定性因子的不同水平下,定量因子的最优操作条件及其他重要结论可能明显不同。

用例 9.1 的数据还能演示 ABC 交互作用在数值上如何分解为四个正交的、各占 2 个自由度的分量。一般方法见 Davies(1956)及 Cochran 和 Cox(1957)。先从三个因子中选两个,例如 AB;然后在第三个因子 C 的每个水平下,计算 AB 交互作用的 I、J 对角线总和:

CA总和
B123IJ
10100-6041-74-198-222
120-105-123-122-106-79
140-2524-15-155-158
15100185175203331238
12020-99-54255440
140134154245377285
201009-28-85-59-144
120-70-126-113-74-40
14067-5158-206-155

再把各个 I(AB)I(AB)、J(AB)J(AB) 总和分别与因子 C 排成双向表,并计算新表中的 I、J 对角线总和:

CI(AB)总和CJ(AB)总和
IJIJ
10-198-106-155-1494110-222-79-15863138
153312553772121915238440285624
20-59-74-20610210520-144-40-1554023

所得四组对角线总和,分别对应 I[I(AB)×C]=AB2C2I[I(AB)\times C]=AB^2C^2、J[I(AB)×C]=AB2CJ[I(AB)\times C]=AB^2C、I[J(AB)×C]=ABC2I[J(AB)\times C]=ABC^2、J[J(AB)×C]=ABCJ[J(AB)\times C]=ABC,即 ABC 的 W、X、Y、Z 分量。按常规方法计算平方和:

SSW(ABC)=(−149)2+2122+102218−165254=3804.11,SSX(ABC)=412+192+105218−165254=221.77,SSY(ABC)=632+622+40218−165254=18.77,SSZ(ABC)=1382+42+23218−165254=584.11.\begin{aligned} SS_{W(ABC)}&=\frac{(-149)^2+212^2+102^2}{18}-\frac{165^2}{54}=3804.11,\\ SS_{X(ABC)}&=\frac{41^2+19^2+105^2}{18}-\frac{165^2}{54}=221.77,\\ SS_{Y(ABC)}&=\frac{63^2+62^2+40^2}{18}-\frac{165^2}{54}=18.77,\\ SS_{Z(ABC)}&=\frac{138^2+4^2+23^2}{18}-\frac{165^2}{54}=584.11. \end{aligned}

这确实是正交分解,四项相加为 SSABC=4628.76SS_{ABC}=4628.76;但如前所述,通常不在方差分析表中展示这一分解。后续章节将讨论偶尔需要计算其中一个或多个分量的情形。

9.1.4 一般 3k3^{k} 设计

32 与 33 设计中的概念可以直接推广到 kk 个因子各取三个水平的 3k3^{k} 因子设计。处理组合仍用数字记号表示。例如,在 34 设计中,0120 表示 A、D 取低水平,B 取中水平,C 取高水平。共有 3k3^{k} 个处理组合,它们之间有 3k−13^{k}-1 个自由度。由此可计算 kk 个各占 2 个自由度的主效应、(k2)\binom{k}{2} 个各占 4 个自由度的两因子交互作用,直至一个占 2k2^{k} 个自由度的 kk 因子交互作用。一般而言,hh 因子交互作用有 2h2^{h} 个自由度。若重复 nn 次,总自由度为 n3k−1n3^{k}-1,误差自由度为 3k(n−1)3^{k}(n-1)。

各效应与交互作用的平方和仍按常规因子设计方法计算。通常不再进一步分解三因子及更高阶交互作用;不过,任意 hh 因子交互作用都包含 2h−12^{h-1} 个相互正交、各占 2 个自由度的分量。例如,四因子交互作用 ABCD 有 8 个这样的分量,记为 ABCD2,ABC2D,AB2CD,ABCD,ABC2D2,AB2C2D,AB2CD2,AB2C2D2ABCD^2,ABC^2D,AB^2CD,ABCD,ABC^2D^2,AB^2C^2D,AB^2CD^2,AB^2C^2D^2。记号中的首字母指数只能是 1;否则,应将整个表达式平方并对指数按模 3 化简。例如,

A2BCD=(A2BCD)2=A4B2C2D2=AB2C2D2.A^2BCD=(A^2BCD)^2=A^4B^2C^2D^2=AB^2C^2D^2.

这些交互作用分量没有物理解释,但有助于构造更复杂的设计。

随着 kk 增大,设计规模迅速膨胀。一次重复的 33 设计有 27 个处理组合,34 有 81 个,35 有 243 个。因此,实际中常只考虑一次重复,并合并高阶交互作用来估计误差。例如,若三因子及更高阶交互作用可以忽略,则一次重复的 33 设计提供 8 个误差自由度,34 设计提供 48 个。即便如此,对 k≥3k\geq3 来说,这些设计仍相当庞大,因而用途有限。

Footnotes
  1. 译者注:原文模 3 对照式中,方(b)的 S 行印作 x1=2x2=1x_1=2x_2=1,与其余两行的形式及图示不符;此处按 x1+2x2≡1(mod3)x_1+2x_2\equiv1\pmod3 整理。