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
其中, 是第 种夹具的效应, 是第 种布局的效应, 是该布局内第 名操作员的效应, 是夹具与布局交互作用, 是夹具与布局内操作员的交互作用, 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 | $y_{i\cdots}$ | ||||||
| 1 | 2 | 3 | 4 | 1 | 2 | 3 | 4 | ||
| 夹具 1 | 22 | 23 | 28 | 25 | 26 | 27 | 28 | 24 | 404 |
| 24 | 24 | 29 | 23 | 28 | 25 | 25 | 23 | ||
| 夹具 2 | 30 | 29 | 30 | 27 | 29 | 30 | 24 | 28 | 447 |
| 27 | 28 | 32 | 25 | 28 | 27 | 23 | 30 | ||
| 夹具 3 | 25 | 24 | 27 | 26 | 27 | 26 | 24 | 28 | 401 |
| 21 | 22 | 25 | 23 | 25 | 24 | 27 | 27 | ||
| 操作员合计, $y_{jk}$ . | 149 | 150 | 171 | 149 | 163 | 159 | 151 | 160 | |
| 布局合计, $y_{j\cdots}$ | 619 | 633 | 1252 = $y_{\cdots}$ | ||||||
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) | 82.80 | 2 | 41.40 | 7.54 | 0.01 |
| 布局 (L) | 4.08 | 1 | 4.09 | 0.34 | 0.58 |
| 操作员(布局内),O(L) | 71.91 | 6 | 11.99 | 5.15 | <0.01 |
| FL | 19.04 | 2 | 9.52 | 1.73 | 0.22 |
| FO(L) | 65.84 | 12 | 5.49 | 2.36 | 0.04 |
| 误差 | 56.00 | 24 | 2.33 | ||
| 总计 | 299.67 | 47 |
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。 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:
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 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。 和 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 | 2 | 1 | 2 | |
| 操作员(布局) | 随机 | 4 | 1 | 2 | 3 |
| 夹具 | 固定 | 3 | 1 | 2 | 3 |
| 时间的方差分析 | |||||
| 来源 | 自由度 | 平方和 | 均方 | F | P 值 |
| 布局 | 1 | 4.083 | 4.083 | 0.34 | 0.581 |
| 操作员(布局) | 6 | 71.917 | 11.986 | 5.14 | 0.002 |
| 夹具 | 2 | 82.792 | 41.396 | 7.55 | 0.008 |
| 布局*夹具 | 2 | 19.042 | 9.521 | 1.74 | 0.218 |
| 夹具*操作员(布局) | 12 | 65.833 | 5.486 | 2.35 | 0.036 |
| 误差 | 24 | 56.000 | 2.333 | ||
| 总计 | 47 | 299.667 | |||
| 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) | 1.609 | 6 | (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) | 1.576 | 6 | (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 | 2 | 1 | 2 | |
| 操作员(布局) | 随机 | 4 | 1 | 2 | 3 |
| 夹具 | 固定 | 3 | 1 | 2 | 3 |
| 时间的方差分析 | |||||
| 来源 | 自由度 | 平方和 | 均方 | F | P 值 |
| 布局 | 1 | 4.083 | 4.083 | 0.34 | 0.581 |
| 操作员(布局) | 6 | 71.917 | 11.986 | 2.18 | 0.117 |
| 夹具 | 2 | 82.792 | 41.396 | 7.55 | 0.008 |
| 布局*夹具 | 2 | 19.042 | 9.521 | 1.74 | 0.218 |
| 夹具*操作员(布局) | 12 | 65.833 | 5.486 | 2.35 | 0.036 |
| 误差 | 24 | 56.000 | 2.333 | ||
| 总计 | 47 | 299.667 | |||
| 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) | 1.083 | 5 | (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) | 1.576 | 6 | (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 | |
| R² | 0.764291 |
| 调整后的 R² | 0.73623 |
| 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] | 0.4642857 | 1.0833333 | 1.2122659 | -1.292708 | 3.4593745 | 21.697 |
| 操作员*夹具[布局] | 0.6755952 | 1.5763889 | 1.1693951 | -0.715625 | 3.8684033 | 31.572 |
| 残差 | 2.3333333 | 0.6735753 | 1.4226169 | 4.5157102 | 46.732 | |
| 总计 | 4.9930556 | 100.000 | ||||
−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 | -0.41802 | 3.608e-15 |
| 操作员*夹具[布局] | -0.41802 | 1.3674849 | -0.226852 |
| 残差 | 3.608e-15 | -0.226852 | 0.4537037 |
| 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 | 1 | 1 | 6 | 0.3407 | 0.5807 |
| 夹具 | 2 | 2 | 12 | 7.5456 | 0.0076* |
| 布局*夹具 | 2 | 2 | 12 | 1.7354 | 0.2178 |
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 ,非受限模型取 ;此处依表 14.13、14.14 修正。