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.

14.3 同时含嵌套因子和析因因子的设计

多因子试验中,有时一些因子按析因方式安排,另一些因子则嵌套。这类设计有时称为嵌套析因设计。下面的例子说明一种三因子设计的统计分析。

例 14.2

某工业工程师研究将电子元件手工插入印制电路板的操作,希望提高装配速度。他设计了三种装配夹具和两种有希望的工作场所布局。操作员承担装配工作,计划为各夹具与布局的组合配置随机选取的操作员。但两种布局位于工厂不同地点,很难让同一组四名操作员同时使用两种布局。因此,为布局 1 选取的四名操作员与布局 2 的四名操作员不同,同一布局内的四人使用全部三种夹具。夹具和布局只有这些特定水平,而操作员随机选取,所以采用混合模型。各处理组合按随机顺序运行,重复两次。以秒计的装配时间列于表 14.10。

操作员嵌套在布局水平之下,夹具与布局则为析因安排,因此设计同时含嵌套因子与析因因子。其线性模型为

yijkl=μ+τi+βj+γk(j)+(τβ)ij+(τγ)ik(j)+ϵ(ijk)l{i=1,2,3j=1,2k=1,2,3,4l=1,2(14.14)y _ {i j k l} = \mu + \tau_ {i} + \beta_ {j} + \gamma_ {k (j)} + (\tau \beta) _ {i j} + (\tau \gamma) _ {i k (j)} + \epsilon_ {(i j k) l} \left\{ \begin{array}{l} i = 1, 2, 3 \\ j = 1, 2 \\ k = 1, 2, 3, 4 \\ l = 1, 2 \end{array} \right.\tag{14.14}

其中,τi\tau_i 是第 ii 种夹具的效应,βj\beta_j 是第 jj 种布局的效应,γk(j)\gamma_{k(j)} 是该布局内第 kk 名操作员的效应,(τβ)ij(\tau\beta)_{ij} 是夹具与布局交互作用,(τγ)ik(j)(\tau\gamma)_{ik(j)} 是夹具与布局内操作员的交互作用,ϵ(ijk)l\epsilon_{(ijk)l} 是通常的误差项。由于并非所有操作员都使用全部布局,不能定义布局与操作员交互作用,也不能定义夹具、布局、操作员的三因子交互作用。按第 13 章的方法,

表 14.11

例 14.2 的期望均方

模型项期望均方
$\tau_i$$\sigma^2 + 2\sigma_{\tau\gamma}^2 + 8\sum \tau_i^2$
$\beta_j$$\sigma^2 + 6\sigma_\gamma^2 + 24\sum \beta_j^2$
$\gamma_{k(j)}$$\sigma^2 + 6\sigma_\gamma^2$
$(\tau\beta)_{ij}$$\sigma^2 + 2\sigma_{\tau\gamma}^2 + 4\sum \sum (\tau\beta)_{ij}^2$
$(\tau\gamma)_{ik(j)}$$\sigma^2 + 2\sigma_{\tau\gamma}^2$
$\epsilon_{(ijk)l}$$\sigma^2$

表 14.10

例 14.2 的装配时间数据

操作员布局 1布局 2$y_{i\cdots}$
12341234
夹具 12223282526272824404
2424292328252523
夹具 23029302729302428447
2728322528272330
夹具 32524272627262428401
2122252325242727
操作员合计, $y_{jk}$ .149150171149163159151160
布局合计, $y_{j\cdots}$6196331252 = $y_{\cdots}$

假定受限混合模型时,所得期望均方见表 14.11。由此可确定各效应和交互作用的适当检验统计量。

完整方差分析见表 14.12。装配夹具效应显著,布局内操作员之间也有显著差异。夹具与布局内操作员的交互作用显著,表明不同夹具的效应并非对所有操作员都相同。工作场所布局对装配时间影响较小。因此,为缩短装配时间,应重点考虑夹具 1 和 3。(表 14.10 中,夹具 1 和 3 的总和比夹具 2 小,可用多重比较正式检验均值差异。)操作员与夹具的交互作用还表明,使用同一夹具时,一些操作员比另一些更有效率。可以进一步识别这些操作员与夹具的组合,通过再培训改善效率较低操作员的表现。

表 14.12

例 14.2 的方差分析

变异来源平方和自由度均方$F_0$P 值
夹具 (F)82.80241.407.540.01
布局 (L)4.0814.090.340.58
操作员(布局内),O(L)71.91611.995.15<0.01
FL19.0429.521.730.22
FO(L)65.84125.492.360.04
误差56.00242.33
总计299.6747

计算机计算。 Minitab、JMP 等软件可方便地分析嵌套析因设计。表 14.13 是例 14.2 采用受限混合模型时的 Minitab 平衡方差分析输出。输出下部的期望均方与表 14.11 相符。Q[1],Q[3],Q[4]Q[1],Q[3],Q[4] 分别表示布局、夹具及布局与夹具交互作用的固定效应分量。方差分量估计为

操作员(布局内):

夹具 × 操作员(布局内):

误差:

σγ2=1.609στγ2=1.576σ2=2.333\begin{array}{r} \sigma_ {\gamma} ^ {2} = 1.609 \\ \sigma_ {\tau \gamma} ^ {2} = 1.576 \\ \sigma^ {2} = 2.333 \end{array}

表 14.14 给出了采用非受限混合模型时的 Minitab 分析。其期望均方与受限模型略有不同,因此操作员(布局内)的检验统计量也不同。具体而言,受限模型用残差均方作分母,自由度为 24;非受限模型用夹具与布局内操作员交互作用作分母,自由度为 12。[1] 表中受限模型的操作员效应 P 值为 0.002,而非受限模型为 0.117。非受限模型的方差分量估计 σ^γ2=1.083\hat\sigma_\gamma^2=1.083 较小。不过,夹具效应较大,且夹具与布局内操作员交互作用显著,仍有理由认为操作员有影响,因此模型形式的选择并不显著改变实际结论。Q[1,4]Q[1,4] 和 Q[3,4]Q[3,4] 是包含布局与夹具交互作用的固定效应二次项。

表 14.13 例 14.2 采用受限模型的 Minitab 平衡方差分析

方差分析(平衡设计)
因子类型水平数值
布局固定212
操作员(布局)随机4123
夹具固定3123
时间的方差分析
来源自由度平方和均方FP 值
布局14.0834.0830.340.581
操作员(布局)671.91711.9865.140.002
夹具282.79241.3967.550.008
布局*夹具219.0429.5211.740.218
夹具*操作员(布局)1265.8335.4862.350.036
误差2456.0002.333
总计47299.667
来源方差分量误差项各模型项的期望均方(受限模型)
1 布局2(6) + 6(2) + 24Q[1]
2 操作员(布局)1.6096(6) + 6(2)
3 夹具5(6) + 2(5) + 16Q[3]
4 布局*夹具5(6) + 2(5) + 8Q[4]
5 夹具*操作员(布局)1.5766(6) + 2(5)
6 误差2.333(6)

表 14.15 给出了例 14.2 的 JMP 输出。JMP 采用非受限混合模型,其方差分量估计与表 14.14 中 Minitab 的方差分析估计一致;REML 还提供置信区间,因此更便于推断。固定效应检验表明夹具效应很强。操作员(布局内)及其与夹具交互作用的方差分量置信区间虽包含零,但这两个分量占总变异的 50% 以上,因此不宜轻易忽略操作员效应及该交互作用。

若没有 JMP 或 Minitab 等专门软件,也可用析因试验分析程序分析同时含嵌套和析因因子的试验。例如,将例 14.2 看作夹具 F、操作员 O、布局 L 的三因子析因试验,

表 14.14 例 14.2 采用非受限模型的 Minitab 平衡方差分析

方差分析(平衡设计)
因子类型水平数值
布局固定212
操作员(布局)随机4123
夹具固定3123
时间的方差分析
来源自由度平方和均方FP 值
布局14.0834.0830.340.581
操作员(布局)671.91711.9862.180.117
夹具282.79241.3967.550.008
布局*夹具219.0429.5211.740.218
夹具*操作员(布局)1265.8335.4862.350.036
误差2456.0002.333
总计47299.667
来源期望均方
方差分量误差项各模型项(非受限模型)
1 布局2(6) + 2(5) + 6(2) + Q[1,4]
2 操作员(布局)1.0835(6) + 2(5) + 6(2)
3 夹具5(6) + 2(5) + Q[3,4]
4 布局*夹具5(6) + 2(5) + Q[4]
5 夹具*操作员(布局)1.5766(6) + 2(5)
6 误差2.333(6)

再合并析因分析中的相应平方和与自由度,得到嵌套析因设计所需的量:

析因分析嵌套析因分析
平方和自由度平方和自由度
$SS_{F}$2$SS_{F}$2
$SS_{L}$1$SS_{L}$1
$SS_{FL}$2$SS_{FL}$2
$SS_{O}$3
$SS_{LO}$3$SS_{O(L)} = SS_{O} + SS_{LO}$6
$SS_{FO}$6
$SS_{FOL}$6$SS_{FO(L)} = SS_{FO} + SS_{FOL}$12
$SS_{E}$24$SS_{E}$24
$SS_{T}$47$SS_{T}$47

表 14.15 例 14.2 的 JMP 输出

拟合汇总
R²0.764291
调整后的 R²0.73623
均方误差平方根1.527525
响应均值26.08333
观测数(或权重和)48
REML 方差分量估计
随机 效应方差比方差分量标准误95% 下限95% 上限占总方差百分比
操作员[布局]0.46428571.08333331.2122659-1.2927083.459374521.697
操作员*夹具[布局]0.67559521.57638891.1693951-0.7156253.868403331.572
残差2.33333330.67357531.42261694.515710246.732
总计4.9930556100.000

−2 × 对数似然 = 195.88509411

方差分量估计的协方差矩阵
随机 效应操作员[布局]操作员*夹具[布局]残差
操作员[布局]1.4695886-0.418023.608e-15
操作员*夹具[布局]-0.418021.3674849-0.226852
残差3.608e-15-0.2268520.4537037
固定效应检验
来源参数数自由度分母自由度F 比值P 值
布局1160.34070.5807
夹具22127.54560.0076*
布局*夹具22121.73540.2178
Footnotes
  1. 译者注:原文关于操作员检验分母及 P 值的叙述与表格不符。按期望均方,受限模型取 MSO(L)/MSE=11.986/2.333=5.14MS_{O(L)}/MS_E=11.986/2.333=5.14,非受限模型取 MSO(L)/MSFO(L)=11.986/5.486=2.18MS_{O(L)}/MS_{FO(L)}=11.986/5.486=2.18;此处依表 14.13、14.14 修正。