华东理工大学多元统计分析与SPSS应用实验 (3).doc

华东理工大学2013—2014 学年 第 二 学期

《 多元统计分析与SPSS应用》实验报告3

班级 学号 姓名

开课学院 商学院 任课教师 任飞 成绩

实验内容：实验 3 正交试验设计
3.1正交表的计算机实现
熟悉Orthogonal Design功能
DATA
Orthogonal Design

Generate
3.2熟悉 Univariate 功能
熟悉 Univariate 功能
Analyze
General Linear Model
Univariate...
实验要求：
3.1
1.正交表 L9(34)的计算机实现
2.试与例4.1比较，是否满足“均匀分散性”和“综合可比性”
3.完成一張“五水平正交表”: L25(56)
3.2
写出正交试验设计问题SPSS实现的步骤
完成本章习题1,2,3,4
试讨论“Employee data”是否能构成一个类似的正交试验设计问题
教师评语：

教师签名：
年 月 日

实验报告：
3.1
1、
按照顺序，Data→Orthogonal→Generate，进入“Generate Orthogonal Design ”对话框，在Factor name框：输入a，点击Add添加，同样的方法输入b，c，d，如图3.1.1所示。选中变量“a”，单击Define value，分别在Value列的头三行输入1、2、3，单击Continue钮，同样的方法完成因子b，c，d的输入。如图3.1.2
选择“Replace working data file”，点击“OK”即完成正交表的设计，如图3.1.3

图3.1.1

图3.1.2

图3.1.3

2、
与例4.1比较，实验3.1中生存的正交表的均匀分散性和综合可比性都得到了体现：
均匀分散性：在a、b、c、d四列中，1、2、3三个数字均在各列出现的次数相等，每列每个数字出现三次。
综合可比性：任意两列中，将同一横行的两个数字看成有序数对时，每种数对出现的次数相等。如a列与b列数对如下：11、12、13、21、22、23、31、32、33，数对的组合有序，每个数对都出现一次。
3、
方法同1，结果见图3.1.4
图3.1.4

3.2
1、 写出正交试验设计问题SPSS实现的步骤
1.1正交试验表设计
按照顺序，Data→Orthogonal→Generate，进入“Generate Orthogonal Design ”对话框，在Factor name框：输入“（因子）”，点击Add添加，同样的方法输入其它待检验的因子。选中变量“（因子）”，单击Define value，分别在Value列中输入因子的不同水平，单击continue钮，同样的方法完成其它因子选择“Replace working data file”，点击“OK”即完成正交表的设计。
1.2方差分析
Analyze →General Linear Model→Univariate，将检验值变量选入到“Dependent variable”框里，检验因子选入到“Fixed factor”框中，作方差分析。单击“Model”按钮，弹出“Univariate mode”对话框，选择“Custom”。在效应选项中选择主效应选项“Main effects”，将因子选入“Model”框中，如有交互作用，将存在交互作用的两个因子同时选中，在效应选项中选择交互效应“Interaction”。

2、 课后思考与练习1、2、3、4
2.1简述正交试验设计的基本步骤
(1)明确实验目的，确定评价指标
(2)挑选因素，考虑是否存在交互作用，确定水平
(3)选正交表，进行表头设计（若存在交互作用，根据交互作用表确定交互作用所在列位置）
(4)明确实验方案，进行实验，得到结果
(5)对实验结果进行统计分析，主要是方差分析，确定显著性因子，得到最优水平组合。
(6)进行验证实验，作进一步分析

2.2如何进行表头设计？
表头设计即把需要检验的因子放到正交表相应的列上去，注意因子与交互作用不能混杂，即不能同时放在一列上，一列只能放一个因子或交互作用。若存在交互作用，交互作用所占列的位置参见相应的交互作用表。

2.3什么叫重复试验？什么叫重复取样？它们之间有什么区别？
重复试验是指在同一个试验条件下重复进行m次试验，从而得到m个数据，这个m个数据的差异反映了试验误差的影响。
重复取样是指在一个试验做好后，从中取m个样品测定其指标。因而这时m个数据的差异主要是产品不均匀、测试的误差，而不是试验误差。
两者之间实质是不同的，数据结构式也不同，应该分别加以处理。

2.4
题中将A、B、C放置于第1、3、4列上，正交表取，由于三水平的两因子的交互作用项需占2列，则表明本次试验暂不考虑因子间交互作用。
（1） 数据结构式

（2） 打开“钢铁强度.sav”文件，如图3.2.1

数据表中正交设计已符合题目要求，直接进行多因子方差分析
Analyze →General Linear Model→Univariate，将“钢材强度”选入到“Dependengt variable”框里，检验因子“淬火温度”、“回火温度”、“回火时间”选入到“Fixed factor”框中，如图3.2.2单击“Model”按钮，弹出“Univariate Mode”对话框，选择“Custom”。在效应选项中选择主效应选项“Main Effects”，将因子“淬火温度”、“回火温度”、“回火时间”选入“Model”框中。得到结果如图3.2.3
图3.2.2

图3.2.3

由上图分析可知F检验0.05<回火时间Sig.<0.1，回火时间具有一定的显著性，淬火温度，回火温度无显著差异。回火时间选择60℃，考虑实际经济效益，温度越低，耗能越少，淬火温度和回火温度分别选择840℃，410℃。
（3）
，
=1/3(200+196+212)=202.67
置信区间，，，

3、 试讨论“Employee data”是否能构成一个类似的正交试验设计问题
由于“Employee data”有不同的因子，每个因子有不同的水平，可用指标“Salary”来衡量，理论上可以设计成成正交试验问题，一般选取3个因子及以上，这里因子可以选“gender”，“educ”，“jobcat”，“salbegin”,其余几项意义不大。我们不妨简单选取3因子2水平，“gender”，水平取0，1，（0代表男性，1代表女性）“educ”，水平取8，15，“jobcat”，水平取1，2设计成正交试验表（暂不考虑交互作用）。
而经过正交表生成，最后取某一水平组合对应“Salary”值时，发现不存在该值不存在。由于因子数、水平数确定后，正交试验水平组合即确定，在正常情况下，确定正交试验水平组合，进行正交试验确定相应的指标值，而该试验数据已经给定，可能存在水平组合无对应指标值。
由于尝试次数有限，故不排除存在合适的因子、水平、指标恰好符合正交试验表所需数据结构。一般而言，给定因子、水平，该因子水平下对应结果可以根据正交试验得到。

7