9.1.1 3^{k} 设计的记号与动机
# 9.1 因子设计
9.1.1 设计的记号与动机¶
现在讨论 因子设计,即 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。 设计中的每个处理组合用 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 设计也可以采用类似记号,用 0、1 代替 -1、+1。但在 设计中,我们更偏好 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 设计中,如果因子是定量的,我们常用 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 表示因子 A, 表示因子 B,该设计支持如下回归模型:
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 设计,但还应考虑两点:
对二次关系建模, 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。
如第 6 章所述,在 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 因子设计高效得多。
9.1.2 32 设计¶
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。 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 次,则总自由度为 ,误差自由度为 。
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 、、、 四个各占 1 个自由度的分量。按例 5.5 的方法,分别拟合 、、、 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,。
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 拉丁方的行和列。图 9.3 将两个特定的 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 ,其组间平方和为
占 2 个自由度。在方(b)中,,相应平方和为
也占 2 个自由度。两部分相加得到 ,自由度合计为 。
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 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 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):(模 3) | 方(b):(模 3) |
|---|---|---|
| Q | 0 | 0 |
| R | 1 | 2 |
| S | 2 | 1 |
例如,方(b)的中央格有 ,故 ,该格放置 Q。对 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
AB 与 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 、、、 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 。在图 9.3 任一方中,沿左上至右下方向分别求和,可得 、、,其组间平方和为 28.00,即 分量。沿右上至左下方向求和,可得 、、,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:
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 次,总自由度为 ,误差自由度为 。
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 ,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 :
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) | ||||||||
| 1 | 2 | 3 | |||||||
| 速度(rpm)(B) | |||||||||
| 100 | 120 | 140 | 100 | 120 | 140 | 100 | 120 | 140 | |
| 10 | -35 | -45 | -40 | 17 | -65 | 20 | -39 | -55 | 15 |
| -25 | -60 | 15 | 24 | -58 | 4 | -35 | -67 | -30 | |
| 15 | 110 | -10 | 80 | 55 | -55 | 110 | 90 | -28 | 110 |
| 75 | 30 | 54 | 120 | -44 | 44 | 113 | -26 | 135 | |
| 20 | 4 | -40 | 31 | -23 | -64 | -20 | -30 | -61 | 54 |
| 5 | -30 | 36 | -5 | -62 | -31 | -55 | -52 | 4 | |
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 | 993.77 | 2 | 496.89 | 1.17 | 0.3256 |
| B,速度 | 61,190.33 | 2 | 30,595.17 | 71.74 | < 0.0001 |
| C,压力 | 69,105.33 | 2 | 34,552.67 | 81.01 | < 0.0001 |
| AB | 6,300.90 | 4 | 1,575.22 | 3.69 | 0.0160 |
| AC | 7,513.90 | 4 | 1,878.47 | 4.40 | 0.0072 |
| BC | 12,854.34 | 4 | 3,213.58 | 7.53 | 0.0003 |
| ABC | 4,628.76 | 8 | 578.60 | 1.36 | 0.2580 |
| 误差 | 11,515.50 | 27 | 426.50 | ||
| 总计 | 174,102.83 | 53 |

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 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 采用前述 编码;速度和压力的自然水平如下:
| 编码水平 | 速度(rpm) | 压力(psi) |
| -1 | 100 | 10 |
| 0 | 120 | 15 |
| +1 | 140 | 20 |
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:
| C | A | 总和 | ||||
| B | 1 | 2 | 3 | I | J | |
| 10 | 100 | -60 | 41 | -74 | -198 | -222 |
| 120 | -105 | -123 | -122 | -106 | -79 | |
| 140 | -25 | 24 | -15 | -155 | -158 | |
| 15 | 100 | 185 | 175 | 203 | 331 | 238 |
| 120 | 20 | -99 | -54 | 255 | 440 | |
| 140 | 134 | 154 | 245 | 377 | 285 | |
| 20 | 100 | 9 | -28 | -85 | -59 | -144 |
| 120 | -70 | -126 | -113 | -74 | -40 | |
| 140 | 67 | -51 | 58 | -206 | -155 | |
再把各个 、 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:
| C | I(AB) | 总和 | C | J(AB) | 总和 | ||||||
| I | J | I | J | ||||||||
| 10 | -198 | -106 | -155 | -149 | 41 | 10 | -222 | -79 | -158 | 63 | 138 |
| 15 | 331 | 255 | 377 | 212 | 19 | 15 | 238 | 440 | 285 | 62 | 4 |
| 20 | -59 | -74 | -206 | 102 | 105 | 20 | -144 | -40 | -155 | 40 | 23 |
所得四组对角线总和,分别对应 、、、,即 ABC 的 W、X、Y、Z 分量。按常规方法计算平方和:
这确实是正交分解,四项相加为 ;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 设计¶
32 与 33 设计中的概念可以直接推广到 个因子各取三个水平的 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 个处理组合,它们之间有 个自由度。由此可计算 个各占 2 个自由度的主效应、 个各占 4 个自由度的两因子交互作用,直至一个占 个自由度的 因子交互作用。一般而言, 因子交互作用有 个自由度。若重复 次,总自由度为 ,误差自由度为 。
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 因子交互作用都包含 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 。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,
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 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 来说,这些设计仍相当庞大,因而用途有限。
译者注:原文模 3 对照式中,方(b)的 S 行印作 ,与其余两行的形式及图示不符;此处按 整理。