常用实验设计方法有哪些？

今天给各位分享常用实验设计方法有哪些？的知识，其中也会对常用实验设计方法有哪些？进行解释，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！

本文导读目录：

1、常用实验设计方法有哪些？

2、正交设计

　　自然界和人类社会中，很多现象和事物都不是独立存在的，它们往往纵横交错在一起。数据分析的其中一个重要目的就是研究事物之间的相互关系，发现事物或现象背后客观存在的规律性。这些客观规律性往往受到各种因素的影响，因此，为了减少数据分析结果的误差，同时提高准确性和精确性，合理的实验设计是必不可少的。如果实验设计不合理，不仅会增加实验次数，延长实验周期，造成人力、物力和时间的浪费，而且会导致预期的结果难以达到，甚至导致整个研究工作失败。实验设计应用的范围非常广，不仅应用在生物学以及医学领域，也应用在工农业生产、微生物试验、市场调查、心理学研究以及教学科研等各种不同领域。经常使用的实验设计方法有完全随机设计、随机区组设计、交叉设计、析因设计、拉丁方设计、正交设计、嵌套设计、重复测量设计、裂区设计以及均匀设计等。不同的实验设计方法适用不同的情况。针对主效应的实验设计方法下面介绍的这几种实验设计方法只考虑因素的主效应作用，而不涉及因素间的交互作用。它们得到的试验数据往往不能提供对交互项的分析信息。完全随机设计完全随机设计只涉及一个处理因素，两个或多个水平，所以也称单因素设计。它是将样本中全部受试对象随机分配到各个处理因素的不同水平中（处理组中），分别接受不同的处理，然后进行对比观察。各个处理组样本含量可以相等，也可以不等，但是相等时分析效率较高。完全随机设计是最简单的实验设计方法，举个简单的例子：分析不同人种的智商差异，人种差异是处理因素，因素的水平可以是黄种人、白种人和黑人等。随机区组设计随机区组设计主要用于实验分析对象之间存在明显差异的情况，它通常将受试对象按性质(如病人的性别、年龄、体重和病情等非实验因素)差异分成N个区组，再将每个区组的受试对象分别随机分配到处理因素的不同水平组（处理组）中。随机区组设计的优点是每个区组内的受试对象有较好的同质性，排除了非实验因素对分析结果的影响，提高了分析效率。缺点是要求区组内的受试对象数目与处理组数目相等（每个处理组至少分到一个受试对象），实验结果中若有数据缺失，统计分析较麻烦。交叉设计交叉设计是一种特殊的自身对照设计，常用在临床试验中，在同一病人身上观察两种或多种处理水平的效应，消除不同病人之间的变异，减少误差。我们以两个阶段、两种处理水平为例说明操作步骤。首先将条件相近的观察对象进行配对，随机分配到两个实验组中。第一组先用处理方法A处理，然后再用处理方法B处理，处理顺序是AB；另一组则相反，先用处理方法B处理，再用处理方法A处理，处理顺序是BA。两种处理水平在全部实验过程中“交叉”进行。交叉设计实际上就是自身对照实验设计，通过“交叉”的方式将时间因素的影响分解出来，避免了时间因素对研究结果的干扰。因此该设计的最大优点是可控制时间因素及个体差异对处理方式的影响，故节约样本含量，效率较高。拉丁方设计拉丁方设计用于研究三个因素，各因素间无交互作用且每个因素的水平数相同的情况。其中有一个最重要的因素称之为处理因素，另外两个是需要加以控制的因素，分别用行和列表示。两个控制因素的水平将实验因素的r个水平随机地排列成r行r列的方阵，如下图： 　　周次和星期是控制因素，处理因素的五个水平（ABCDE）被随机分配到方阵中。拉丁方设计可以从较少的实验数据中获得较多的信息，比随机区组设计更具优势。如果各因素间有交互作用，用拉丁方设计就不合适了。拉丁方设计要求每个因素的水平数必须相等，在数据采集时不能出现缺失值，否则将导致数据无法按原计划进行分析。有交互作用的实验设计方法因素之间没有交互作用的情况毕竟是少数，更多的情况是存在因素之间的交互作用。下面几种实验设计方法适用于有交互作用的情况。析因设计析因设计是将两个或两个以上因素及其各种水平进行排列组合、交叉分组的试验设计。它可以研究单个因素多个水平的效应，也可以研究因素之间是否有交互作用，同时找到最佳组合。例如，现在有两个处理因素，一个因素有2个水平，另一个因素有三个水平，那么就进行2*3=6次实验；如果有三个处理因素，每个因素都有5个处理水平，那么就进行5*5*5=125次实验。析因分析的原理就是对每个因素的每个水平都进行实验，这样能够照顾到所有的因素和水平。正交设计正交设计是析因设计的高效化。当析因设计要求的实验次数太多时，一个非常自然的想法就是从析因设计的水平组合中，选择一部分有代表性水平组合进行试验，而正交设计就能满足这个要求。 　　均匀设计均匀设计是一种多因素多水平的试验设计，它放弃了正交表的整齐可比性，是在正交设计的基础上进一步发展而成的。均匀设计进一步提高了试验点的“均匀分散性”。均匀设计的最大优点是可以使因素的水平数很大，而试验次数又最节省。与正交设计一样，可以通过均匀设计表设计实验。特殊实验设计方法下面介绍三种特殊的实验设计方法：嵌套设计、重复测量设计和裂区设计。嵌套设计如果处理因素之间存在层次性结构，或处理因素之间有主次之分，这时就需要用到嵌套设计。例如，研究催化剂和温度两个处理因素对化学反应速度的影响就是典型的例子。如果催化剂因素有三个水平（三种催化剂），反应温度也有三个水平，那么它们的实验设计可以整理成下面的表格。 　　在主因素催化剂种类的三个水平下，又可以分别嵌套上次因素（温度）的三个水平。重复测量设计重复测量设计广泛应用于各种科学研究中，它的显著特点就是在不同的实验条件下，从同一个受试对象身上采集到多个数据，也就是同一个受试者在不同实验条件下进行数次实验，以获得更多信息。这里的数次实验需要考虑的就是“时间因素”。最常见的重复测量设计是在药物的临床试验中，例如，比较两种不同药物的疗效，将病人随机分成两组，分别给予不同的药物，然后在不同时间作病人的动态观察。裂区设计最后介绍的这种实验设计方法是裂区设计。裂区设计最初用在农业实验中，例如，进行两因素的裂区设计，按照A因素的水平将试验田分成k大块，按照A因素的不同水平处理；然后再根据B因素的水平将每大块土地再分为z小块，每小块按照B因素的不同水平处理。以上介绍的这些实验设计方法基本上都采用方差分析进行数据分析得到结果。每种实验设计方法的设计思路、原理和数据分析步骤都将在后面一一详细介绍。从事科学研究的朋友千万不要错过，实验设计方法的合理是得到正确科学研究成果的基础和第一步。　　只有析因与正交可以考察交互作用 　　研究高频呼吸机A、B、C三个参数对通气量的影响，每个参数有高、中、低三个水平， A、B、C因素的三个水平间是否有差别？因素间是否存在交互作用？ 　　当考虑的因素较多，处理组数会很大(比如，3个因素各3个水平的处理数为33＝27种)，这时采用析因设计不是最佳选择。（组合太多用不了析因） 　　临床上最常用的是两因素或三因素析因试验设计。 　　一、正交设计（orthogonal design）的概念 　　正交设计:利用正交表来安排多因素试验、分析试验结果的一种非全面试验的设计方法。 　　析因设计: 处理组是各因素各水平的全面组合。 　　析因设计和正交设计的关系 　　例如，对于有A、B、C、D、E五个因素、每个因素有2个水平的试验，按析因设计共有：G=2（5）=32个处理 　　但用正交设计，可选1/2实施方案，即有(1/2)G=16个处理，或1/4实施方案，即有(1/4)G=8个处理。如果实施比例为1 ，则此时的正交设计就是析因设计。（说明本质是一样的） 　　几点说明：它从多因素试验的全部水平组合中挑选部分有代表性的水平组合进行试验。 　　可检验每个因素各水平间的差异有无统计学意义，以及有无交互作用，找出最优水平组合。 　　以牺牲了部分交互作用的分析为代价的。 　　二、正交表 　　1、正交表简介 　　每个正交表都有一个表头符号，记作LN（mk），表示该正交表有N行k列，每一列由整数1，2，…，m组成。 　　用表LN（mk）安排试验时，N表示试验次数/处理数，k表示最多可以安排的因素个数（分析因素），m表示各因素的水平数。 　　2、正交表的特点 　　（1）每一列中不同数字出现的次数相同 　　例如： L8(27)中不同数字只有1和2，它们各出现4次； 　　（2）任两列同一横行中不同数对出现的次数相同 　　例如： L8(27)的任两列中(1, 1), (1, 2), (2, 1), (2, 2)各出现两次；L9(34)任两列中 (1, 1), (1,2), (1, 3), (2, 1), (2, 2), (2, 3), (3, 1), (3, 2), (3, 3)各出现1次。 　　3、正交表的类型 　　（1）相同水平正交表/齐水平正交表 　　各列中出现的最大数字相同的正交表称为相同水平正交表。 　　L4(23)、L8(27)、L12(211)等各列中最大数字为2，称为两水平正交表； 　　L9(34)、L27(313)等各列中最大数字为3，称为3水平正交表。 　　（2） 混合水平正交表 　　各列中出现的最大数字不完全相同的正交表称为混合水平正交表。 　　L8(41×24)表中有一列最大数字为4，有4列最大数字为2。也就是说该表可以安排1个4水平因素和4个2水平因素。 　　L16(44×23)，L16(4×212)等都混合水平正交表。 　　三、交互效应表——用于说明交互效应所在的列 　　四、实验设计方法 　　例1 分析某种高频呼吸机的3个参数A(呼吸模式)、B（压力）、C（呼吸频率）的设置对通气量的影响，试采用正交设计安排一个试验方案。A：PSV、SIMV、SPONT ，B： 15、20、25； C： 3、5、8。 　　1、确定试验因素及其水平, 列出因素水平表 　　2、选用合适的正交表 　　A、根据因素、水平及需要考察的交互作用的多少来选择合适的正交表。 　　B、试验因素的水平数应恰好等于正交表记号中括号内的底数； 　　C、因素的个数（包括需要考查交互作用）应不大于正交表记号中括号内的指数； 　　当因素的个数小于正交表记号中括号内的指数，用剩余的列估计试验误差。 　　当因素的个数等于正交表记号中括号内的指数，用重复的正交试验估计试验误差。 　　此例有3个3水平因素 　　若不考察交互作用，可以选用L9(34)； 　　若要考察交互作用，则应选用L27(313)，（此时所安排的试验方案实际上是全面试验方案） 　　3、表头设计：表头设计就是把挑选出的因素和要考察的交互作用分别排入正交表的表头适当的列上。 　　在不考察交互作用时，各因素可直接安排在各列上； 　　若考察交互作用，就应按该正交表的交互作用列表安排各因素与交互作用 　　此例不考察交互作用，可将呼吸模式(A)、压力(B)和呼吸频率 (C)依次安排在L9(34)的第1、2、3列上，第4 列 为空列，见下表。 　　4、 列出试验方案 　　把正交表中安排试验因素的各列(不包含欲考察的交互作用列)中的每个数字依次换成该因素的实际水平，就得到一个正交试验方案。 　　例2 　　用雌雄大白鼠做实验，通过观察细胞色素b5（nmol/mg）了解正氟醚的毒性作用，同时了解生理盐水和戊巴比妥作诱导剂对不同性别大白鼠的作用有无不同，且分析正氟醚与诱导剂、诱导剂与不同性别大白鼠间是否存在交互作用。试作正交设计。 　　1、确定因素水平数，制订因素水平表 　　诱导剂（A）、正氟醚（B）、鼠性别（C）的主效应、交互效应AB、AC共5个因素 　　2、选择合适的正交表 　　L8（27）正交表 　　3、表头设计 　　4、列出实验方案 　　5、正交设计分析 　　若各号试验处理都只有一个观测值，则称之为单个观测值正交试验； 　　若各号试验处理都有两个或两个以上观测值，则称之为有重复观测值正交试验。 　　方差分析的基本思想 　　该试验的9个观测值总变异由A因素、B因素、C因素及误差变异4部分组成，因而进行方差分析时平方和与自由度的分解式为： 　　SST = SSA + SSB + SSC+SSe 　　dfT = dfA + dfB + dfC + dfe 　　1、计算总变异 C=（ ∑X ）2/N= 37112/9 =1530169 　　SST=∑X2－C =（340.02+422.52+…+462.52）-1530169 =21238 　　DFT=N－1=9－1=8 　　2、计算各因素及交互作用变异 　　3、误差的变异 　　SSE=SS4 =SST-SS1-SS2-SS3 =21238.00-1530.5-11153.17 -5492.17 =3062.16 　　DFE=3-1=2 　　DFE=DFT－DF1－DF2－DF3=8-2-2-2=2 　　4、列出实验结果的方差分析表 　　F 检验结果表明，三个参数对通气量的影响都不显著。由于各因素对通气量的影响都不显著，不必再进行各因素水平间的多重比较。 　　5.找出最优组合 　　如果不考虑交互作用，则根据各因素在各水平下的总通气量或平均通气量的高低确定最优方案； 　　如果考虑交互作用，则需要根据因素的主次效应确定最优方案(主次效应的确定可根据极差或F值来确定）。 　　此时，可从实验结果表中选择平均数大的水平A2、B2、C3组合成最优水平组合 A2B3C3。 　　1、计算总变异 　　C=（ ∑X ）2/N=2.992/8=1.1175 　　SST=∑X2－C=1.8665－1.1175=0.7490 　　DFT=N－1=8－1=7 　　3、误差的变异 　　SSE=SS6+SS7（或者SST减去各列的变异） 　　DFE=DF6+DF7=1+1=2 　　DFE=DFT－SS1－SS2－SS3－SS4－SS5 　　4、列出实验结果的方差分析表 　　5、找出最优组合 　　此时，可从实验结果表中选择平均数大的水平A2、B1、C1组合成最优水平组合 A2B1C1。 　　例3 将上例中的观测指标设为细胞色素P420，同时增加一阶交互效应BC，二阶交互效应ABC，每种实验重复3次，结果见表，进行方差分析。 　　————有重复实验的方差分析 　　1、计算总变异 　　2、计算各因素及交互作用变异 　　3、计算误差变异 　　4、列出实验结果的方差分析表 　　因素的主次效应(根据F值观察的结果)为: B>AB>A>BC>C>ABC 　　5、找出最优组合 　　此时，可选出最优水平组合 A2B1C2。 　　严谨地讲，在主次效应的前提下，选择交互效应的最优组合。 　　例子：还没仔细看 　　Feng：正交试验设计及分析（多实现途径）

---

常用实验设计方法有哪些？的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于常用实验设计方法有哪些？、常用实验设计方法有哪些？的信息别忘了在本站进行查找喔。